II.1Анализ требований и архитектура ПО

GPlatty-30B — авторегрессионная языковая модель на архитектуре LLaMA, созданная как слияние Platypus-30B и gpt4-alpaca-lora-30b. В карточке указаны авторы базовых моделей: Cole Hunter и Ariel Lee для Platypus-30B, chansung для gpt4-alpaca-lora-30b. Модель содержит 32,3 млрд параметров и принимает контекст длиной до 2048 токенов. Модель предназначена для генерации текста на английском языке, включая ответы на запросы и выполнение инструкций. В карточке приведены результаты оценки на ARC, HellaSwag, MMLU и TruthfulQA. Доступны веса в форматах PyTorch и safetensors. Лицензия указана как other; README отмечает, что базовые веса LLaMA распространяются по специальной некоммерческой лицензии Meta. Возможны токсичные, вредные или предвзятые ответы; результаты генерации не следует считать достоверным источником без проверки.

Huihui-Qwen3-4B-Thinking-2507-abliterated — текстовая модель huihui-ai, созданная методом abliteration на основе Qwen/Qwen3-4B-Thinking-2507. Это плотная авторегрессионная модель семейства Qwen3 с 3,7 млрд параметров, предназначенная для генерации текста и диалогов; базовая модель ориентирована на сложные задачи с рассуждением. Контекстное окно составляет 262 144 токена. Модель работает с текстом через библиотеку Transformers и доступна также для запуска в Ollama. Abliteration значительно снижает склонность модели отказывать в ответах. Это может быть полезно для экспериментов и диалоговых сценариев, но повышает вероятность чувствительных, спорных или неподходящих ответов, поэтому результаты следует проверять. В README метод описан как грубая реализация с доказательным характером. Лицензия — Apache-2.0.

INEX-16 — слитая модель Mistral для генерации текста, опубликованная пользователем MSL7. Она объединяет MSL7/INEX12-7b и liminerity/i методом slerp с помощью mergekit; базовой указана MSL7/INEX12-7b. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Карточка не описывает специальные прикладные сценарии или языки. Репозиторий распространяется в формате safetensors; лицензия — Apache-2.0. README приводит параметры слияния и тип bfloat16.

ClaudioItaly/Intelligence-Cod-Rag-7B-V3.3 — слитая диалоговая языковая модель на архитектуре Qwen2 с 7,1 млрд параметров. Она создана с помощью mergekit методом TIES на основе ClaudioItaly/intelligence-cod-rag-7b-v3 с включением newsbang/Homer-7B-v0.1. Модель предназначена для генерации текста в диалоге и ответов на запросы. Метаданные указывают контекст длиной до 32 768 токенов и формат весов safetensors. Для использования доступна библиотека Transformers. README не описывает конкретные сценарии RAG или специализированные возможности, поэтому их нельзя подтвердить только по названию модели. Лицензия в предоставленных данных не указана.

Kosmos-EVAA-TSN-v22-8B — слитая языковая модель, созданная автором репозитория с помощью mergekit из Kosmos-EVAA-TSN-v19-8B и Kosmos-EVAA-TSN-v21-8B методом SLERP. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста; она доступна в формате Safetensors и принимает контекст до 8192 токенов. Модель подходит для генерации продолжений и ответов в приложениях на базе Transformers. Сведения о конкретных языках, специализациях и сравнительных качествах в карточке не приведены. Лицензия в доступных данных не указана.

LexGPT-V2.5 — языковая модель общего назначения от автора lex-hue, предназначенная для генерации текста и экспериментов с разработкой ИИ. Она построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате Safetensors, лицензия — MIT. Модель предназначена для генерации ответов, учебных экспериментов, STEM-сценариев и ролевых диалогов. В README приводится оценка MT-Bench 7,920530 в среднем и отмечается, что модель находилась в активной разработке. Язык модели в предоставленных данных не установлен. Автор предупреждает о возможности предвзятых, оскорбительных или вредоносных ответов и характеризует модель как в значительной степени нецензурируемую. Для практического применения следует проверять результаты и предусматривать меры безопасности.

Seungyoun/llama-2-7b-alpaca-gpt4 — языковая модель семейства LLaMA 2, дообученная разработчиком на ответной части примеров из набора Alpaca-GPT-4. Для обучения применялся LoRA, веса адаптера объединены с базовой моделью; в репозитории опубликованы веса в формате safetensors. Модель содержит 6,6 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста в ответ на инструкции и запросы, в частности для диалоговых сценариев и ответов на вопросы на английском языке. Указана лицензия MIT. Карточка не сообщает о специализированных областях применения или иных ограничениях качества.

Apollo Raines представил Llama-3.1-8B-Instruct-Hardened-Analyst — вариант Meta Llama 3.1 8B Instruct, изменённый инструментом jBlaze методом representation engineering. По карточке, дополнительного обучения не проводилось: поведенческие характеристики менялись непосредственно в весах. Усилены устойчивость к состязательным запросам, следование контексту и аналитические рассуждения. Модель предназначена для диалоговой генерации текста и аналитических ответов в средах, где возможны попытки prompt injection. В карточке приведены примеры ответов на общие вопросы, арифметические задачи, запрос на код и небезопасную инструкцию. Архитектура — плотная LlamaForCausalLM; метаданные указывают 7,5 млрд параметров, контекст 131 072 токена, формат safetensors и английский язык. Карточка описывает опубликованную версию как демонстрационную, с частично сниженной силой возможностей. Лицензия — Llama 3.1; применяются её условия использования.

Llama-3-Instruct-abliteration-OVA-8B — объединённая диалоговая языковая модель на архитектуре Llama, созданная с помощью mergekit на основе Meta Llama 3 Instruct. Веса получены методом task arithmetic: из модели failspy/Meta-Llama-3-8B-Instruct-abliterated-v3 выделен вектор вмешательства, связанный с удалением базовых instruct-весов, который затем объединён с Meta-Llama-3-8B-Instruct. README описывает этот подход как Orthogonalized Vector Adaptation (OVA). Модель предназначена для диалоговой генерации текста и ассистентских ответов. Она содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов; каталог указывает английский язык как основной для базовой модели. Репозиторий содержит веса в формате safetensors. Модель предоставлена по лицензии Llama 3; README не уточняет отдельные ограничения качества или безопасности.

M7Yamshadowexperiment28_YamExperiment28 — слитая модель семейства Mistral для генерации текста, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/YamExperiment28-7B. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Данные не уточняют её специализацию или целевые языки. Веса опубликованы в формате Safetensors по лицензии Apache 2.0.

maid-yuzu-v8 — языковая модель для генерации текста, созданная автором репозитория rhplus0831 путём последовательного слияния моделей через SLERP с помощью mergekit. В финальном шаге объединены maid-yuzu-v8-step4 и smelborp/MixtralOrochi8x7B; ранее в цепочке использовались Mixtral-8x7B, Bagel, Dolphin и Noromaid. Архитектура Mixtral MoE, класс MixtralForCausalLM; размер — 7,1 млрд параметров, формат весов — Safetensors, контекст — 32 768 токенов. Модель предназначена для генерации текста и диалогов. Карточка описывает сборку как экспериментальную пробу и отмечает, что автор сомневался в получении полноценной модели. Лицензия в предоставленных данных не указана.

Maple-Preview — предварительная открытая языковая модель DeepGrove для рассуждений и диалоговой генерации текста. По карточке модели это разреженная MoE-модель с трёхзначными весами: в README указано 20B параметров и 1B активных, тогда как метаданные каталога указывают общий размер 1,2B параметров. Архитектура включает 24 слоя и 256 экспертов, из которых активны 8; механизм внимания сочетает SWA-512 и GA в пропорции 3:1. Контекст составляет 131 072 токена, модель рассчитана прежде всего на английский язык. Модель предназначена для задач сложного текстового рассуждения, включая математические задачи высокого уровня, а также для диалоговой генерации. Разработчик заявляет высокую скорость локального запуска на Apple Silicon; включённая реализация Transformers требует Triton, FlashAttention и совместимой среды CUDA, а результат для Mac mini M4 получен в отдельном runtime. Это preview-версия с ограниченным дообучением для агентных задач и небольшим объёмом общей RL-настройки, поэтому её возможности в агентных сценариях могут быть слабее. Лицензия — MIT.

MeliodasPercival_01_Experiment26Strangemerges_32 — объединённая модель для генерации текста, созданная на основе automerger/MeliodasPercival_01-7B и automerger/Experiment26Strangemerges_32-7B. Она использует плотную архитектуру Mistral с 7,1 млрд параметров и принимает текстовый контекст длиной до 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. README и метаданные не содержат сведений о специальных возможностях, целевых языках или результатах оценки качества.

MeliodasPercival_01_NeuralsirkrishnaExperiment26 — слитая модель семейства Mistral с 7,1 млрд параметров, созданная объединением automerger/MeliodasPercival_01-7B и automerger/NeuralsirkrishnaExperiment26-7B. Она предназначена для генерации текста и может использоваться в сценариях, где требуется получать текстовые продолжения или ответы на запросы. Модель принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов и распространяется в формате safetensors. Репозиторий модели создан 9 апреля 2024 года. Лицензия — Apache 2.0. В карточке не описаны специализированные области применения, языки или результаты оценки качества; поэтому их нельзя надёжно уточнить.

MaziyarPanahi/MeliodasT3q_ShadowExperiment24 — объединённая модель для генерации текста, созданная на основе automerger/MeliodasT3q-7B и automerger/ShadowExperiment24-7B. В карточке указана архитектура Mistral с плотной структурой и 7,1 млрд параметров; модель распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Она выпущена под лицензией Apache-2.0. Данных о специализации, языках и конкретных ограничениях качества в карточке нет.

MFANN-phigments-slerp-V2 — слитая языковая модель семейства Phi, созданная с помощью mergekit методом TIES на основе liminerity/Phigments12 с включением двух моделей netcat420: MFANN-Phigments12-slerp и MFANN-phigments-slerp-1a. Модель предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 3,5 млрд параметров, использует архитектуру PhiForCausalLM и распространяется в формате safetensors для Transformers. В README не описаны конкретные специализации или языковые возможности, поэтому модель можно охарактеризовать как генеративную языковую модель общего назначения. Лицензия в предоставленных данных не указана.

Minbyul/mistral-7b-wo-healthsearch_qa-sft — дообученная модель семейства Mistral, созданная на базе mistralai/Mistral-7B-v0.1 с использованием набора данных HuggingFaceH4/deita-10k-v0-sft. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста и может применяться в сценариях, где требуется формировать ответы на текстовые запросы. В README приведено значение loss 1,3010 на оценочном наборе, но подробности методики оценки и целевых сценариев отсутствуют. Модель принимает текст и выдаёт текст. Лицензия — Apache-2.0.

Это квантизированная в формате GGUF версия instruct-модели Ministral-3-3B-Instruct-2512 от Mistral AI, подготовленная DevQuasar для запуска в совместимом локальном ПО. Модель предназначена для диалогов, выполнения инструкций и генерации текста; базовая модель также поддерживает анализ изображений. Компактный размер семейства рассчитан на локальные и периферийные устройства. В репозитории представлены варианты GGUF BF16 и F16. Лицензия в предоставленных данных не указана; перед использованием проверьте условия лицензии базовой модели Mistral AI. Доступная карточка не описывает конкретные ограничения качества или производительности.

Novocoders/Mistral-NeuralDPO-v0.7 — дообученная Novocoders модель Mistral-7B-v0.1 для генерации текста. Это плотная авторегрессионная модель с 7,1 млрд параметров, созданная с использованием Axolotl 0.4.0; доступны веса PyTorch и safetensors. Базовая модель имеет контекст до 32 768 токенов. Модель подходит для генерации текста и может служить основой для прикладных сценариев на базе текстовых запросов. README не раскрывает специализацию, обучающие данные, результаты оценки или конкретные ограничения версии. Модель распространяется по лицензии Apache-2.0.

Nanbeige4.2-3Bcmf — это квантизированная версия Nanbeige/Nanbeige4.2-3B, разработанная Nanbeige LLM Lab и преобразованная в формат CMF проектом infosave2007. Модель предназначена для генерации текста и задач, требующих рассуждений: она сначала формирует внутренний ход рассуждений, а затем выдаёт ответ. Формат CMF хранит модель в одном файле объёмом около 2,4 ГБ и позволяет запускать её через чистый Rust-runtime без Python. Архитектура модели — Looped Transformer: 22 физических слоя применяются дважды, что соответствует 44 виртуальным слоям, с повторной нормализацией на границах циклов. Используется квантизация q4t; с учётом большой vocabulary и untied embeddings файл содержит около 4,17 млрд параметров, несмотря на обозначение 3B. Модель работает с текстом; поддерживаемые языки и максимальная длина контекста в README не указаны. Доступны CPU- и GPU-сценарии, включая Apple Metal, Vulkan и DX12, а также OpenAI-compatible API через cortiq serve. Сильные стороны модели — компактное хранение, автономный запуск на компьютерах и мобильных устройствах, потоковая генерация и сохранение поведения исходной модели после конвертации. Ограничения связаны с вычислительной стоимостью looped-архитектуры: производительность зависит от пропускной способности памяти, а для reasoning-сценариев требуется выделять несколько сотен токенов на генерацию. Указанные результаты производительности относятся к конкретному оборудованию и runtime cortiq версии не ниже 0.5.35, поэтому не гарантируют аналогичные показатели в других условиях. Модель распространяется по лицензии Apache-2.0, унаследованной от базовой модели. Права на веса принадлежат Nanbeige LLM Lab; репозиторий infosave2007 изменяет формат хранения и исполнения.

NeuralsirkrishnaShadow_Experiment24Shadow — слитая языковая модель на архитектуре Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment24Shadow-7B. Она предназначена для генерации текста по текстовому запросу и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и выпущена по лицензии Apache-2.0. Карточка не описывает специальные прикладные области или дополнительные возможности.

NeuralsirkrishnaShadow_ShadowCalme — объединённая языковая модель на архитектуре Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/ShadowCalme-7B. Она предназначена для генерации текста и может использоваться в сценариях, где требуется продолжать или создавать текст по текстовому запросу. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Доступна в формате Safetensors. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает специализированные области применения или дополнительные возможности.

Карточка модели FuseAI/OpenChat-3.5-7B-InternLM-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.

EpistemeAI/OpenCodeLlama-3.1-8B — плотная авторегрессионная языковая модель семейства Llama, разработанная EpistemeAI и дообученная на базе unsloth/Meta-Llama-3.1-8B-bnb-4bit. Модель содержит 7,5 млрд параметров и предназначена для генерации текста; репозиторий указывает использование Unsloth и библиотеки TRL при обучении. Модель принимает текст и генерирует текст. Для базовой модели заявлено контекстное окно до 131 072 токенов. В метаданных указан английский язык. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит специализированных сценариев обучения или результатов оценки качества, поэтому её пригодность для конкретных задач следует проверять на собственных данных.

Open_Maid_Samantha_Hermes_Orca_dare_tiesv0.1 — объединённая языковая модель на архитектуре Mistral, созданная автором репозитория с помощью mergekit и метода DARE TIES. В основу объединения вошла mistralai/Mistral-7B-v0.1; также использованы OpenHermes-2.5-Mistral-7B, Noromaid-7B-0.4-DPO, Mistral-7B-OpenOrca и samantha-1.1-westlake-7b. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста. Заявленная длина контекста — 32 768 токенов. В README приведены результаты оценивания на Open LLM Leaderboard, включая средний балл 67,80, но данных о поддерживаемых естественных языках и прикладных областях нет. Репозиторий содержит веса в формате safetensors. Модель опубликована по лицензии CC BY 4.0. Результаты оценивания не гарантируют качество на конкретных задачах; README не приводит подробных ограничений или результатов по остальным метрикам.

Percival_01Experiment26-7B — объединённая языковая модель, созданная Maxime Labonne методом DARE-TIES на основе AurelPx/Percival_01-7b-slerp и rwitz/experiment26-truthy-iter-2. Модель построена на архитектуре Mistral с плотной causal language model и содержит 7,1 млрд параметров; репозиторий распространяет веса в формате safetensors, а конфигурация слияния указывает bfloat16. Модель предназначена для генерации текста. Контекстное окно составляет 32 768 токенов. В README приведена конфигурация автоматического слияния, включая плотность 0,53 и вес второй модели 0,6. Указанная лицензия — Apache-2.0. Данные не описывают целевые языки, специализированные области применения или результаты оценки качества.

susnato/phi-2 — копия модели Phi-2, разработанной Microsoft, размещённая для загрузки и использования через библиотеку Hugging Face Transformers. Это плотная авторегрессионная языковая модель архитектуры PhiForCausalLM с 3,5 млрд параметров и контекстом до 2048 токенов. Модель предназначена для генерации текста по текстовому запросу и может применяться для продолжения текста и других сценариев генерации. Репозиторий содержит веса в формате safetensors; в README заявлена лицензия MIT в метаданных. Автор репозитория отмечает, что не владеет весами: они взяты из официального репозитория Microsoft.

QuantumLM-70B-hf — плотная авторегрессионная языковая модель семейства Llama, разработанная Quantum AI и дообученная на наборе данных Guanaco и Guanaco-Unchained. Модель содержит 68,7 млрд параметров и принимает текст для генерации продолжений и ответов; указанный контекст — 2048 токенов. Репозиторий содержит веса в формате safetensors. Модель подходит для диалогов, ответов на вопросы и генерации текста на английском языке. Дообучение было направлено на настройку поведения базовой Llama 2 70B, в том числе на более безопасные распределения ответов, однако оно не устраняет все предубеждения и токсичность. Результаты не следует считать достоверными без проверки или заменой человеческому суждению. Лицензия CC BY-NC-4.0 разрешает использование на некоммерческих условиях; авторы заявляют исследовательское назначение.

pmercenary/Qwen3-1.7B-base-MED — текстовая генеративная модель семейства Qwen3 с 1,7 млрд параметров. В метаданных указаны архитектурное семейство Qwen3, библиотека Transformers, обучение с использованием SFT и поддержка conversational-сценариев. Максимальная длина контекста составляет 32 768 токенов. Разработчик, базовая модель, языки и лицензия в доступных материалах не указаны. Модель предназначена для генерации текста и может использоваться для продолжения заданного текста, подготовки черновиков и построения диалоговых приложений при соответствующем формате входных данных. README не содержит сведений о тренировочных данных, результатах оценки, целевых предметных областях или специальных медицинских возможностях; обозначение MED в идентификаторе само по себе не подтверждает медицинскую специализацию.

Dohyeon1/Qwen3-30B-A3B-M-SMoE-ngroups96-adaptive — модель генерации текста на базе архитектуры Qwen3 MoE с адаптивной группировкой и 96 группами, опубликованная пользователем Dohyeon1 на Hugging Face. В метаданных указано 2,6 млрд параметров и нативное контекстное окно до 40 960 токенов; модель предназначена для работы через библиотеку Transformers и поддерживает формат conversational. Модель подходит для генерации продолжений текста, диалоговых ответов, черновиков и других сценариев text-generation, где требуется контекстное окно большого размера. README создан автоматически и не содержит сведений о разработчике, языках, обучающих данных, результатах оценки, лицензии, рекомендуемых сценариях или ограничениях, поэтому эти характеристики нельзя достоверно определить по предоставленным источникам.