II.1Анализ требований и архитектура ПО

Experiment28M7_Experiment28Experiment26 — слитая текстовая модель семейства Mistral, созданная объединением моделей automerger/Experiment28M7-7B и automerger/Experiment28Experiment26-7B. Она предназначена для генерации текста и использования в сценариях, где требуется продолжение или создание текста по запросу. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Веса представлены в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0. Сведения о специализации, поддерживаемых языках и сравнительном качестве в карточке не приведены.

Experiment28M7_YamStrangemerges_32 — объединённая языковая модель семейства Mistral, опубликованная MaziyarPanahi. Модель содержит 7,1 млрд параметров и предназначена для генерации текста по текстовому запросу; поддерживает контекст до 32 768 токенов. Модель объединяет automerger/Experiment28M7-7B и automerger/YamStrangemerges_32-7B. В репозитории представлены веса SafeTensors. Лицензия — Apache-2.0. Карточка не описывает отдельные специализированные сценарии или оценки качества, поэтому модель можно охарактеризовать как модель генерации общего текста.

Карточка модели FuseAI/FuseChat-7B-v2.0 на Hugging Face совпадает с карточкой FuseAI/OpenChat-3.5-7B-Starling-v2.0, поэтому описание составлено по ней. FuseAI/OpenChat-3.5-7B-Starling-v2.0 — диалоговая языковая модель, выпущенная исследовательской группой Sun Yat-sen University в рамках проекта FuseChat. Это целевая модель, полученная лёгким дообучением для попарного слияния знаний OpenChat-3.5-7B и Starling-LM-7B-alpha; архитектура — плотная Mistral с 7,1 млрд параметров. В README она описана как компонент для объединения с другими целевыми моделями FuseChat в единую чат-модель. Модель предназначена для ответов на вопросы, выполнения текстовых инструкций и диалогового общения. Она принимает текст и генерирует текст, поддерживает английский язык и контекст до 8192 токенов. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. README приводит результаты MT-Bench для итоговой FuseChat-7B-v2.0, но не отдельную оценку этого целевого чекпойнта, поэтому эти показатели нельзя напрямую переносить на данную модель. Качество ответов может зависеть от шаблона диалога и сценария применения.

OsaurusAI подготовила MLX-сборку JANG_4M на основе инструкционной Gemma 4 от Google DeepMind с 12 млрд параметров. Это плотная модель семейства gemma4_unified с 48 текстовыми слоями, предназначенная для диалога и генерации текста; заявлен интерфейс для вызова инструментов. Веса упакованы в формате safetensors с аффинной смешанной точностью: эмбеддинги токенов, нормализации, компоненты обработки медиа и связанные проекторы сохранены в fp16, проекции внимания и маршрутизатора MoE — в 8-битном виде, основная часть MLP и экспертов — в 4-битном. Проверенный путь запуска через JANG-загрузчик vMLX поддерживает только текст. Хотя веса и конфигурации для изображений и аудио сохранены, для них требуется совместимая реализация Gemma 4 в MLX; в стандартном mlx_vlm такой поддержки пока нет. Модель распространяется по лицензии Gemma. Сборка предназначена для MLX и Apple Silicon; фактическое использование зависит от совместимого JANG-загрузчика и шаблонов Gemma 4.

Gemopus-4-26B-A4B-it-GGUF — мультимодальная instruction-tuned модель, разработанная Jackrong на основе Google Gemma 4 26B Instruction. Это версия с supervised fine-tuning, ориентированная на сохранение исходного стиля рассуждений Gemma 4 и улучшение качества, структуры, ясности и согласованности ответов. Модель распространяется в формате GGUF и предназначена для использования с llama.cpp и совместимыми инструментами. Модель поддерживает сценарии генерации текста и работы с изображениями, включая диалоговые, технические и научно-популярные задачи. В README заявлена поддержка английского, китайского, корейского и японского языков. Среди сильных сторон отмечаются более естественный стиль общения, улучшенная организация длинных ответов, точность профессиональной терминологии и способность объяснять сложные темы понятным языком. Рекомендуемые параметры генерации: temperature=1.0, top_p=0.95 и top_k=64. Размер контекстного окна и точные сведения об архитектуре, включая значение обозначения A4B, в предоставленных данных не указаны. Публичные результаты benchmark также отсутствуют, поэтому фактические преимущества модели над базовой Gemma 4 или другими моделями не подтверждены количественно. README подчёркивает консервативный подход к дообучению без агрессивной дистилляции цепочек рассуждений; модель может иметь ограничения, связанные с отсутствием последующего reinforcement learning и process supervision. Лицензия — Apache License 2.0.

GenZ-70B — авторегрессионная языковая модель Bud Ecosystem, дообученная методом supervised fine-tuning на Meta Llama 2 70B. Модель построена на архитектуре Llama и содержит 68,7 млрд параметров; карточка Hugging Face указывает библиотеку Transformers, формат PyTorch и контекст 4096 токенов. Модель предназначена для генерации текста и диалогового взаимодействия по пользовательским запросам. Её можно применять для получения ответов, подготовки текстовых материалов и экспериментов с LLM. В README приведены результаты MT Bench, MMLU, Human Eval и BBH, но детали обучающих данных и оценивания описаны ограниченно. README указывает коммерческое использование по специальной лицензии, связанной с условиями Meta AI Model and Library Downloads. Перед применением следует проверить эту лицензию и ограничения базовой модели. Заявленное разработчиком назначение включает исследования больших языковых моделей.

go-bruins-v2-Mistral-7B-Instruct-v0.1 — чат-модель на архитектуре Mistral, созданная слиянием mistralai/Mistral-7B-Instruct-v0.1 и rwitz/go-bruins-v2 методом SLERP. Она предназначена для генерации текста в ответ на инструкции и диалоговые запросы; число параметров составляет 7,1 млрд, а заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текстовые ответы. В метаданных указан английский язык. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0. В карточке также перечислены датасеты Intel/orca_dpo_pairs и athirdpath/DPO_Pairs-Roleplay-Alpaca-NSFW, поэтому модель может выдавать контент для ролевых сценариев, включая NSFW-темы.

GreenNode-mini-7B-v1olet-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная слиянием Mistral-7B-Instruct-v0.2 и GreenNode-mini-7B-v1olet методом SLERP. Она предназначена для генерации текста и ответов на инструкции в чат-сценариях. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель опубликована в формате Safetensors под лицензией Apache-2.0. README описывает конфигурацию слияния, но не уточняет языковой охват и специализированные области применения; пригодность для конкретных задач следует проверять отдельно.

Hapsburg_v0_1 — языковая модель, созданная JDBMG путём слияния нескольких предварительно обученных моделей с помощью mergekit. В качестве базовой модели использована InferenceIllusionist/Excalibur-7b-DPO; также в слияние вошли MTSAIR/multi_verse_model, yam-peleg/Experiment26-7B и chihoonlee10/T3Q-Mistral-Orca-Math-DPO. Применён метод DARE TIES, итоговые веса представлены в формате bfloat16. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Она предназначена для генерации текста; заявленная длина контекста — 32 768 токенов. Базовая модель описана как экспериментальная англоязычная чат-модель, но README не уточняет дополнительные языки и сценарии для результата слияния. Лицензия в предоставленных данных не указана. README не приводит оценок качества или конкретных ограничений; как результат слияния, поведение и надёжность модели могут отличаться от исходных моделей и требуют проверки на целевых запросах.

Hippolyta-7B — языковая модель, созданная Kquant03 на основе Mistral-7B-v0.1 и дообученная на наборах OpenOrca, OpenHermes, Dolphin и Airoboros, а также на небольшом объёме частных данных. Это плотная авторегрессионная модель на 7,1 млрд параметров для генерации текста и ответов в формате чат-инструкций с шаблоном Mistral. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. В метаданных указан английский язык, а веса опубликованы в формате safetensors. Репозиторий заявляет лицензию Apache-2.0. Модель подходит для диалогов, ответов на вопросы, выполнения текстовых инструкций и написания текста. Автор отмечает, что форматирование части частного обучающего набора требует доработки; описание качества основано на личной оценке автора, а не на приведённых результатах оценки. В README также упомянуты файлы GGUF, но метаданные репозитория указывают safetensors.

Huihui-Orchestrator-8B-abliterated — версия NVIDIA Orchestrator-8B, изменённая Huihui AI методом abliteration для ослабления отказов и фильтрации ответов. Это плотная языковая модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалогах. Она принимает текст и выдаёт текст; заявленная длина контекста — 40 960 токенов. Модель можно запускать через Ollama. Ослабленная фильтрация позволяет получать ответы на запросы, от которых исходная модель могла бы отказаться, но также повышает вероятность чувствительных, спорных или неподходящих результатов. Рекомендуется проверять ответы. Репозиторий распространяется по лицензии MIT.

Kai_v1-DiscoPhoenix — объединённая текстовая языковая модель, созданная с помощью mergekit методом SLERP из Keynote-Technology/KAI-7B-v0.1 и DRXD1000/Phoenix. В карточке Hugging Face указана связь с DRXD1000/Phoenix; README уточняет, что среди источников слияния использована модель DRXD1000/Phoenix. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она предназначена для генерации текста; максимальная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Карточка не описывает конкретные области применения или языковую специализацию. Условия лицензии в предоставленных данных не указаны.

Kosmos-EVAA-gamma-alt-8B — плотная авторегрессионная языковая модель семейства Llama, созданная Jaspionjader с помощью слияния SLERP через mergekit. В слиянии использованы jaspionjader/Kosmos-EVAA-v3-8B и johnsutor/Llama-3-8B-Instruct_breadcrumbs-density-0.1-gamma-0.01; результат сохранён в формате safetensors с точностью bfloat16. По метаданным модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и может применяться в сценариях, где требуется продолжать текст или формировать ответы по текстовому запросу. Карточка не описывает отдельные специализированные задачи, языки или отрасли, поэтому модель следует рассматривать как языковую модель общего назначения. В README указано слияние предварительно обученных моделей; условия лицензии в предоставленных данных не приведены.

Kosmos-EVAA-gamma-v18-8B — объединённая методом SLERP языковая модель семейства Llama, созданная автором jaspionjader с помощью mergekit. В слиянии участвовали jaspionjader/gamma-Kosmos-EVAA-v3-8B и jaspionjader/Kosmos-EVAA-gamma-v17-8B; архитектура — плотная авторегрессионная LlamaForCausalLM примерно на 7,5 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Контекст составляет до 8192 токенов; репозиторий содержит веса safetensors, а в конфигурации слияния указан bfloat16. Данные не уточняют целевые языки, специализацию или результаты оценки качества, поэтому модель следует рассматривать как генератор общего назначения. Условия лицензии в предоставленных данных не приведены. Качество конкретных сценариев и ограничения безопасности отдельно не описаны.

ayoubkirouane/Llama3.1-8b-small-Instructed — дообученная автором ayoubkirouane языковая модель семейства Llama на базе Meta-Llama-3.1-8B. Она предназначена для генерации текста и выполнения инструкций в формате диалога. Модель имеет плотную архитектуру LlamaForCausalLM и 7,5 млрд параметров; для обучения использован набор ayoubkirouane/Small-Instruct-Alpaca_Format. Работает с текстом, основной язык карточки — английский. Заявленная длина контекста составляет 131 072 токена. Модель подходит для ответов на запросы, создания и преобразования текста по инструкции. В карточке указана библиотека Transformers и формат PyTorch. Лицензия в предоставленных данных не указана, поэтому условия использования базовой модели и дообученной версии следует проверить перед применением.

AIR-hl/Llama-3.2-3B-DPO — диалоговая языковая модель на архитектуре Llama, разработанная AIR-hl и дообученная методом Direct Preference Optimization (DPO) на базе tanliboy/llama-3.2-3b-sft. Обучение проводилось с использованием TRL на наборе предпочтений HuggingFaceH4/ultrafeedback_binarized. Модель предназначена для генерации текста в формате диалога и ответов на запросы пользователя. Она содержит 3,2 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Доступны веса в формате safetensors. Карточка приводит метрики обучения: loss снизился с 0,6924 до 0,5792, accuracy составила 0,7188, reward margin — 0,5234. Эти значения относятся к обучению и сами по себе не гарантируют качество на реальных запросах. Модель распространяется по лицензии llama3.2; перед использованием следует учитывать её условия.

M7T3qm7xp_Experiment26T3qm7xp — объединённая языковая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием моделей automerger/M7T3qm7xp-7B и automerger/Experiment26T3qm7xp-7B и предназначена для генерации текста.

MaziyarPanahi/M7Yamshadowexperiment28_Experiment24Experiment26 — объединённая модель для генерации текста, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/Experiment24Experiment26-7B. В её основе архитектура Mistral с плотной сетью причинного языкового моделирования; размер составляет 7,1 млрд параметров, а максимальная длина контекста — 32 768 токенов. Модель подходит для генерации продолжений текста и других задач текстовой генерации. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не уточняет языки обучения и ограничения качества.

M7Yamshadowexperiment28_Experiment26Experiment26 — слитая модель семейства Mistral, созданная объединением automerger/M7Yamshadowexperiment28-7B и automerger/Experiment26Experiment26-7B. Она предназначена для генерации текста и имеет 7,1 млрд параметров; модель использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель может применяться для генерации продолжений, ответов и других текстов по запросу. Карточка не описывает специализацию по языкам или прикладным областям. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

M7Yamshadowexperiment28_Experiment26Experiment28 — слитая языковая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель объединяет automerger/M7Yamshadowexperiment28-7B и automerger/Experiment26Experiment28-7B. Репозиторий содержит веса в формате safetensors. Модель принимает текстовые запросы и генерирует текст; сведения о специальных сценариях применения и поддерживаемых языках в карточке отсутствуют. Модель распространяется по лицензии Apache-2.0.

MaziyarPanahi/M7Yamshadowexperiment28_Experiment26Strangemerges_30 — объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная слиянием automerger/M7Yamshadowexperiment28-7B и automerger/Experiment26Strangemerges_30-7B. Она предназначена для генерации текста и принимает текстовые запросы, выдавая текстовые ответы. Модель поддерживает контекст длиной до 32 768 токенов. В репозитории указаны веса в формате safetensors и лицензия Apache-2.0. Доступные сведения не уточняют специализацию, обучающие данные или результаты сравнительных оценок модели.

M7Yamshadowexperiment28_ShadowT3q — объединённая модель генерации текста на архитектуре Mistral, созданная из automerger/M7Yamshadowexperiment28-7B и automerger/ShadowT3q-7B. Она предназначена для генерации ответов на текстовые запросы; базовая модель ShadowT3q-7B также описана как модель для математических задач. Модель содержит 7,1 млрд параметров, принимает текст и выдаёт текст, её контекстное окно составляет 32 768 токенов. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. Языковая специализация и отдельные результаты оценки в карточке не описаны.

MasherAI-7B-v4 — языковая модель на архитектуре Mistral, опубликованная mahiatlinux. Это дообученная версия Kukedlc/Neural-Krishna-Multiverse-7b-v3, предназначенная для генерации текста и диалогового общения. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указаны английский язык и формат PyTorch; обучение проводилось с использованием Unsloth и библиотеки TRL. Модель распространяется по лицензии Apache-2.0.

Mergerix-7b-v0.1 — языковая модель, созданная MiniMoog слиянием моделей Kukedlc/NeuralSirKrishna-7b-DPO и Kukedlc/NeuralAlgo-7B-DPO с помощью LazyMergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров; веса доступны в формате safetensors. Контекст составляет до 32 768 токенов. Модель предназначена для генерации текста и может использоваться в диалоговых и других сценариях, где нужно продолжить или создать текст по запросу. Слияние выполнено методом SLERP с разными весами для слоёв внимания и MLP; конфигурация использует точность float16. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или подробных сведений о поддерживаемых языках, поэтому пригодность для конкретных задач и языков следует проверять отдельно.

MergeX — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом SLERP из yam-peleg/Experiment26-7B и Gille/StrangeMerges_32-7B-slerp. Модель разработана автором репозитория nlpguy и предназначена для генерации текста. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст длиной до 32 768 токенов. В репозитории представлены веса в формате safetensors; конфигурация слияния указывает на float16. Карточка не описывает отдельные специализированные области применения или языковую специализацию. Лицензия в предоставленных данных не указана.

MFANNv0.21 — диалоговая языковая модель семейства Llama, опубликованная netcat420. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она дообучена на основе netcat420/MFANNv0.20.12. Модель предназначена для генерации текста в диалоге и ответов на запросы. В карточке приведены результаты оценивания на Open LLM Leaderboard, включая IFEval и BBH. Модель работает с текстом, поддерживает английский язык и использует библиотеку Transformers; заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате Safetensors. Лицензия — Llama 3. Показатели оценивания в README ограничены указанными метриками и не дают полной картины качества; результатов для других языков и задач карточка не приводит.

MicroThinker-1B-Preview — языковая модель Huihui AI, дообученная на базе huihui-ai/Llama-3.2-1B-Instruct-abliterated для развития способностей к рассуждению. Она предназначена для генерации текста и диалогов, в том числе для задач, где полезны пошаговый анализ и формирование ответов. Модель построена на плотной архитектуре Llama с классом LlamaForCausalLM и содержит 1,2 млрд параметров. Она принимает текст и генерирует текст; заявленный размер контекста — 131 072 токена. В метаданных указан английский язык, а среди датасетов для дообучения — QWQ-LONGCOT-500K и LONGCOT-Refine-500K. Модель распространяется по лицензии Apache-2.0.

MiniMax-M2.7-JANG_2L-CRACK — производная модель MiniMaxAI/MiniMax-M2.7, созданная Jinho Jang. Это MoE-модель для генерации текста и диалогов с архитектурой MiniMax M2.7: в README указаны 230 млрд параметров, 256 экспертов и около 10 млрд активных параметров на токен. Метаданные каталога сообщают 2,9 млрд параметров; этот размер расходится с описанием исходной модели в README. Контекст составляет 196 608 токенов. Модель ориентирована на рассуждения и всегда формирует цепочку рассуждений перед ответом; также заявлен интерфейс вызова инструментов. Веса представлены в формате JANG_2L с разрядностью 8 бит для внимания, 6 бит для эмбеддингов и 2 бита для экспертов, общий размер — 63 ГБ. Формат предназначен для Apple Silicon и требует MLX Studio или пакета jang-tools; README также рекомендует запускать модель в vMLX. CRACK — заявленная авторами модификация, снижающая склонность к отказам. Лицензия указана как other, конкретные условия в доступных данных не раскрыты. Разработчик предупреждает о возможных бесконечных циклах при жадном декодировании и рекомендует температуру 1.0 для диалога; для сложных запросов советует выделять не менее 4000 токенов генерации.

MiniMax M2.7 JANGTQ + CRACK — производная модель Jinho Jang на базе MiniMaxAI/MiniMax-M2.7, предназначенная для генерации текста и диалогового рассуждения. Это разреженная MoE-модель: в README указаны 230 млрд параметров, 256 экспертов и около 10 млрд активных параметров на токен; метаданные каталога указывают 2,9 млрд параметров, поэтому размер модели в источниках расходится. Контекст составляет 196 608 токенов. Модель рассчитана на английский, китайский и корейский языки. Веса подвергнуты экстремальной квантизации JANGTQ: эксперты хранятся в 2-битном формате TurboQuant, а пути внимания, эмбеддинги и выходная голова — в 8-битном; README указывает размер файлов около 55 ГБ. CRACK — вмешательство в веса, удаляющее защитные отказы. Модель ориентирована на запуск через MLX на Apple Silicon; README называет MLX Studio и пакет jang-tools поддерживающими её средствами. Лицензия обозначена как other, поэтому условия распространения следует сверять с карточкой репозитория.

Ministral-3-3B-Reasoning-2512-GGUF — это набор квантованных файлов модели в формате GGUF для исходной модели Ministral-3-3B-Reasoning-2512, разработанной компанией Mistral AI. Квантование и публикацию файлов выполнил MaziyarPanahi. Модель предназначена для генерации текста и локального запуска через совместимые инструменты, включая llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и другие. Формат GGUF удобен для запуска на локальных компьютерах и поддерживает варианты квантования с разной точностью — от 2 до 8 бит, что позволяет выбирать компромисс между качеством, потреблением памяти и скоростью работы. Из доступных данных известно, что это модель класса 3B с текстовой модальностью и специализацией на reasoning-задачах. Архитектура исходной модели, поддерживаемые языки, размер контекста, точные параметры вариантов квантования и показатели качества в README не указаны. Возможности и качество зависят от выбранного файла квантования и используемого программного обеспечения. Лицензия в README не указана.