II.1Анализ требований и архитектура ПО

TensorVizion/mistral-nemo-alpaca-finetune — дообученная TensorVizion языковая модель семейства Mistral на базе unsloth/mistral-nemo-base-2407-bnb-4bit. Это плотная авторегрессионная модель с архитектурой MistralForCausalLM и 12,1 млрд параметров. Она предназначена для генерации текста и может использоваться в сценариях диалога и создания текстовых ответов. Модель обучали с помощью Unsloth и библиотеки TRL от Hugging Face; заявленный размер контекста — 131 072 токена. Карточка указывает английский язык и лицензию Apache-2.0. README не описывает конкретную специализацию или результаты оценки качества.

tasksource/ModernBERT-base-nli — англоязычная модель-классификатор, созданная tasksource на основе answerdotai/ModernBERT-base и дообученная на наборах данных для вывода на естественном языке (NLI), включая MNLI, ANLI, SICK, WANLI и другие. Это версия ModernBERT, настроенная на следование инструкциям и классификацию пар текстов по отношениям следования, противоречия и нейтральности. Модель предназначена для NLI, классификации тональности, рассуждений по длинным текстам и классификации с пользовательскими метками без отдельного обучения. В карточке приведены результаты на MNLI, QNLI и RTE; модель также предлагается как основа для дальнейшего дообучения. Архитектура — ModernBERT для классификации последовательностей, 149 млн параметров, контекст до 2048 токенов; для использования описан интерфейс Transformers. Модель распространяется по лицензии Apache-2.0. Она обучена преимущественно на англоязычных NLI-данных, поэтому заявленные возможности для других языков не подтверждены. Показатели на отдельных тестах не гарантируют качество на произвольных данных; для специализированных задач может потребоваться дополнительное дообучение.

MS-Meadowlark-22B-GGUF — это набор GGUF-квантизаций текстовой генеративной модели MS-Meadowlark-22B, разработанной allura-org. Модель относится к семейству моделей, созданных с использованием mergekit, и предназначена для генерации текста. Квантизацию выполнил bartowski с помощью llama.cpp и imatrix, что позволяет запускать модель локально, в том числе через LM Studio. Для взаимодействия в README указан шаблон prompt: <s> [INST] запрос [/INST]. Модель имеет размер 22B параметров; доступны варианты от полноразмерных F16 до более компактных Q2, Q3, Q4, Q5, Q6, Q8 и IQ-квантизаций. Размер файлов составляет примерно от 8,47 до 44,50 ГБ. Более качественные варианты Q5 и Q6 рекомендованы для сохранения исходных возможностей, тогда как Q3 и Q2 предназначены для систем с ограниченным объёмом оперативной памяти и обеспечивают более низкое качество. Отдельные варианты оптимизированы для ARM и требуют поддержки SVE или i8mm; они не рекомендуются для Mac и Windows. Данные о поддерживаемых языках, длине контекста, архитектуре базовой модели, мультимодальности и результатах тестирования не указаны. Распространение выполняется по лицензии MRL-0.1 от Mistral AI.

Nemomix-v3.0-12B — объединённая языковая модель на 12,1 млрд параметров, созданная автором репозитория с помощью mergekit. В основе лежит Mistral Nemo Base 2407; с ней методом task arithmetic объединены NeverSleep Historical lumi-nemo-e2.0, Mistral Nemo Instruct 2407 и intervitens mini-magnum-12b-v1.1. Модель построена на архитектуре MistralForCausalLM и опубликована в формате safetensors. Модель предназначена для генерации текста и может применяться в сценариях, где нужны ответы на запросы и продолжение текста. Заявленная длина контекста составляет 1 024 000 токенов. Карточка не приводит сведений о поддерживаемых естественных языках, качестве на конкретных задачах или специализированных областях применения. Лицензия в предоставленных данных не указана. Результаты объединения нескольких моделей могут зависеть от характера запроса; независимые оценки качества и подробные сведения об ограничениях в карточке отсутствуют.

NeuralsirkrishnaShadow_Experiment28Strangemerges_32 — объединённая языковая модель на архитектуре Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment28Strangemerges_32-7B. Модель содержит 7,1 млрд параметров, работает с текстом и предназначена для генерации продолжений и ответов на запросы; поддерживает контекст до 32 768 токенов. Модель распространяется в формате SafeTensors по лицензии Apache 2.0. README подтверждает слияние двух исходных моделей, но не описывает их специализацию или сравнительные преимущества, поэтому конкретные области применения и качество ответов определить нельзя.

MaziyarPanahi/NeuralsirkrishnaShadow_Ognoexperiment27Multi_verse_model — объединённая модель Mistral для генерации текста. Она создана слиянием моделей automerger/NeuralsirkrishnaShadow-7B и automerger/Ognoexperiment27Multi_verse_model-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Она предназначена для генерации текста; сведения о специальных прикладных областях или преимущественных языках в доступных данных отсутствуют. Модель опубликована в формате safetensors под лицензией Apache-2.0. Качество и ограничения в README не описаны.

NovoCode/Novocode7b-v2 — плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров. Согласно карточке, модель обучена с нуля на датасете /leet10k-alpaca с использованием Axolotl 0.3.0; опубликованы результаты оценки, включая показатели на AI2 Reasoning Challenge и HellaSwag. Модель предназначена для генерации текста и может применяться для ответов в стиле инструкций и решения задач, представленных в обучающих и оценочных данных. Контекст модели составляет 32 768 токенов. Репозиторий содержит веса PyTorch в формате Safetensors. Карточка не раскрывает подробности архитектурных настроек, языков обучения, состава датасета и условий оценки; приведённые результаты сами по себе не позволяют оценить качество для конкретных сценариев. Лицензия — Apache-2.0.

Карточка модели TheHappyDrone/Occult_V01 на Hugging Face совпадает с карточкой TheHappyDrone/Occult_V02, поэтому описание составлено по ней. Occult_V02 — языковая модель семейства Mistral, разработанная TheHappyDrone и дообученная на базе unsloth/mistral-7b-bnb-4bit с использованием Unsloth и Hugging Face TRL. Модель предназначена для генерации текста; карточка не описывает узкую специализацию или конкретные сценарии применения. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0; сведения о специальных ограничениях применения и недостатках не приводятся.

Карточка модели ddidacus/olmoe-base на Hugging Face совпадает с карточкой allenai/OLMoE-1B-7B-0125-Instruct, поэтому описание составлено по ней. OLMoE-1B-7B-0125-Instruct — англоязычная диалоговая модель Allen Institute for AI, выпущенная в январе 2025 года. Это модель генерации текста с архитектурой MoE и классом OlmoeForCausalLM; в метаданных указано 472,1 млн параметров и контекст до 4096 токенов. Она принимает диалоговые текстовые запросы и генерирует ответы. Модель дообучена на базе allenai/OLMoE-1B-7B-0125-DPO: обучение включало supervised fine-tuning на варианте набора Tülu 3 для OLMo, DPO и RLVR. Предназначена для чата, ответов на вопросы и решения разнообразных задач, включая математику и следование инструкциям. README приводит результаты на нескольких бенчмарках, но не гарантирует качество для каждого сценария. Модель рассчитана преимущественно на английский язык и распространяется по лицензии Apache 2.0. В README отмечено, что модель прошла ограниченное обучение безопасности и может выдавать проблемные ответы, особенно при соответствующих запросах.

failspy/Phi-3-medium-4k-instruct-abliterated-v3 — доработанная модель Microsoft Phi-3 Medium Instruct, созданная автором failspy. Веса bfloat16 обработаны ортогонализацией, чтобы ослабить склонность модели отказываться отвечать на запросы. Это плотная авторегрессионная языковая модель на 13,8 млрд параметров с контекстом 4096 токенов; репозиторий содержит веса Safetensors. Модель предназначена для диалоговой генерации текста и кода, в том числе для запросов, на которые исходная модель могла бы отказать. Автор сообщает, что сохранены остальные свойства исходной модели, однако результат может зависеть от запроса и не гарантирует отсутствия отказов. Модель в целом стабильна по оценке автора, но склонна к галлюцинациям сильнее оригинала; методика также может иметь побочные эффекты. Лицензия — MIT. Автор указывает, что модель проверялась на галлюцинации, но не приводит результаты количественной оценки. В карточке языки обозначены только как multilingual, поэтому конкретные поддерживаемые языки и основной язык не уточняются.

teknium/Phi-Hermes-1.3B — языковая модель для генерации текста, созданная дообучением Phi-1.5 на наборе OpenHermes. В карточке указано, что OpenHermes содержит более 240 тысяч преимущественно синтетических примеров, созданных GPT-4. Архитектура — MixFormer Sequential, модель плотная; формат весов — PyTorch safetensors. Контекстное окно составляет 2048 токенов. Модель предназначена для генерации ответов и выполнения инструкций в текстовом формате. В README приведён фрагмент шаблона запроса с секцией Instruction, но конкретные сценарии применения не описаны. В карточке указано, что при инференсе не следует использовать device_map="auto"; также автор сообщает о проблемах с fp16 и рекомендует bf16. Лицензия обозначена как other, поэтому условия использования следует уточнить в репозитории.

StephYang выпустил текстовый чекпойнт Qwen3.5-4B, дообученный методом on-policy distillation (OPD) на наборе tmax15k Harbor SWE. Это плотная авторегрессионная модель семейства Qwen3.5 с 3,4 млрд параметров и контекстом до 262 144 токенов; репозиторий содержит объединённый экспорт весов в safetensors, сохранённых в bfloat16. Модель предназначена для генерации текста в диалоговом формате и задач, связанных с разработкой программного обеспечения. Чекпойнт получен после одной эпохи и 35 шагов обучения. Для загрузки README указывает Transformers версии 5.6.0 или новее. Лицензия — Apache 2.0. Это текстовая версия Qwen3.5; возможности понимания изображений базовой мультимодальной модели к этому чекпойнту не следует автоматически приписывать. Карточка не приводит результатов оценки качества, поэтому пригодность для конкретных SWE-сценариев требует проверки.

Это GGUF-представление модели Qwen3.6-35B-A3B, подготовленное SC117 с применением метода APEX для квантования MoE-моделей. В основе лежит llmfan46/Qwen3.6-35B-A3B-uncensored-heretic-Native-MTP-Preserved — модифицированная версия Qwen3.6-35B-A3B со сниженным числом отказов. В репозитории представлены варианты GGUF, включая F16; README описывает уровни квантования APEX, которые распределяют точность по типам тензоров и слоям. Модель предназначена для диалогов и генерации текста по текстовым и визуальным запросам. Вариант сохраняет 20 слоёв MTP для спекулятивного декодирования; README приводит настройки запуска через llama.cpp и Ollama. Метаданные указывают возможность работы с изображениями, но подробности мультимодальных возможностей и поддерживаемые языки в доступных материалах не раскрыты. Модификация исходной модели позиционируется как uncensored: в README заявлено снижение отказов на 88% при сохранении качества, однако эти цифры приводятся авторами и не являются независимой оценкой. Модель распространяется по лицензии Apache-2.0. Для запуска необходим совместимый движок GGUF; скорость и качество зависят от выбранного варианта квантования и оборудования.

Qwen3.8-27B-Abliterated-SFT-i1-GGUF — квантованная GGUF-версия модели azukivc/Qwen3.8-27B-Abliterated-SFT, подготовленная mradermacher. Это 27-миллиардная модель, дообученная методом supervised fine-tuning (SFT) и подвергнутая abliteration. В карточке указана поддержка английского языка и библиотеки Transformers; модель предназначена прежде всего для генерации текста и запуска в совместимых средах, включая vLLM. Модель заявлена как vision-модель, поэтому для обработки изображений могут потребоваться дополнительные mmproj-файлы из статического репозитория. Доступны варианты GGUF с различными уровнями квантования от i1-Q2_K размером около 11 ГБ до i1-Q6_K размером около 22,5 ГБ. Среди представленных вариантов i1-Q4_K_M отмечен как быстрый и рекомендуемый, а i1-Q4_K_S — как оптимальный по соотношению размера, скорости и качества; качество и скорость зависят от выбранного типа квантования и оборудования. README не содержит данных о размере контекста, результатах тестирования, точных архитектурных особенностях или подробном перечне поддерживаемых языков и сценариев. Ограничениями также являются возможная потеря качества при низком уровне квантования и необходимость дополнительных файлов для визуального ввода. Модель распространяется по лицензии Apache-2.0.

cointegrated/rubert-tiny-bilingual-nli — компактная модель на базе RuBERT-tiny, дообученная разработчиком cointegrated для определения логической связи между двумя короткими текстами. Она предсказывает, следует ли один текст из другого, и подходит для классификации без заранее заданного набора классов: пользователь задаёт возможные метки, а модель оценивает их применимость к тексту. Модель построена на архитектуре BERT и содержит 12,1 млн параметров. Она принимает пары текстов, поддерживает русский язык и обрабатывает последовательности длиной до 512 токенов. Модель рассчитана на задачи NLI и zero-shot-классификации; её компактный размер подходит для сценариев, где важны небольшие вычислительные затраты. В карточке не приведены сведения о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Модель обучалась на русскоязычном наборе данных NLI; предсказания для длинных текстов или задач за пределами классификации логических отношений могут быть ненадёжны.

Это объединённая модель генерации текста на архитектуре GPT-NeoX, созданная с помощью mergekit. В линейное слияние вошли три предварительно обученных чекпойнта с шагов 9000, 10000 и 11000; последний использовался как базовый при слиянии. Модель содержит 8,8 млрд параметров, принимает текст и рассчитана на контекст до 16 384 токенов. Модель предназначена для генерации продолжений и другого текста на основе входного запроса. В карточке не описаны специальные предметные области, поддерживаемые языки или результаты оценки качества. Файлы представлены в формате safetensors; модель загружается через Transformers. Условия лицензии в предоставленных данных не указаны.

StrangeMerges_36-7B-slerp — объединённая модель для генерации текста, созданная Gille с помощью LazyMergekit. Она объединяет ammarali32/multi_verse_model и Gille/StrangeMerges_35-7B-slerp методом SLERP; в конфигурации указана базовая модель ammarali32/multi_verse_model. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по запросу и продолжения текстовых фрагментов. Репозиторий содержит веса в формате safetensors; указана лицензия Apache-2.0. В карточке нет сведений о конкретных языках, специализированных областях или оценках качества, поэтому их нельзя определить по доступным данным.

TheMayonnaise — англоязычная причинная языковая модель на базе Mistral, созданная командой The Kaitchup методом TIES-слияния нескольких моделей с помощью mergekit. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает текст для продолжения и генерации текста. Заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста на английском языке и задач общего языкового моделирования. В карточке приведены результаты оценки на Open LLM Leaderboard, включая средний балл 74,94, ARC и HellaSwag. Распространяется под лицензией Apache 2.0. Как и другие языковые модели, может генерировать ошибочные или некорректные ответы; результаты бенчмарков не гарантируют качество в конкретном применении.

Tiger-Gemma-9B-v3 — чат-модель на основе Gemma 2 с 9 млрд параметров, опубликованная TheDrummer. Автор описывает её как версию Gemma 9B, дообученную методом SPPO на новом наборе данных, который, по его словам, уменьшает многословие и ограничения на ответы. Модель предназначена для диалоговой генерации текста. Модель использует плотную архитектуру Gemma2ForCausalLM, принимает текст и выдаёт текст. Родной размер контекста — 8192 токена. В репозитории указаны веса в формате safetensors. README также упоминает GGUF, но метаданные не подтверждают наличие этого формата. Карточка не сообщает о языках обучения или ограничениях качества, поэтому их нельзя оценить по предоставленным данным. Лицензия в метаданных и README не указана.

Tulu V2.5 DPO 13B — англоязычная диалоговая модель-помощник от Allen Institute for AI (AI2), дообученная методом DPO на разговорах из Chatbot Arena 2023. Она построена на плотной архитектуре Llama и содержит 12,9 млрд параметров; модель рассчитана на генерацию текста и диалоги с помощником, а её контекст составляет 4096 токенов. Модель подходит для ответов на инструкции и ведения англоязычных диалогов. В карточке указано, что для лучшего качества ввода следует использовать шаблон диалога, реализованный в токенизаторе. Лицензия — Apache 2.0. Модель не обучалась обеспечивать безопасные ответы на этапе RLHF и может выдавать проблемный контент, особенно при соответствующих запросах.

Vortyx Pulse — текстовая генеративная модель, разработанная LONER TECH и размещённая пользователем Anony7b на Hugging Face. Модель основана на семействе Qwen и связана с архитектурой Qwen2; для работы предусмотрена библиотека Transformers. Модель предназначена для генерации текста и может использоваться в диалоговых сценариях, прототипах чат-ботов, создании черновиков и других приложениях, где требуется продолжение или формирование текста. Она содержит около 1,5 млрд параметров и поддерживает контекст длиной до 32 768 токенов. В карточке модели отсутствуют сведения о поддерживаемых естественных языках, лицензии, обучающих данных, результатах оценки и рекомендуемых сценариях применения. Поэтому её качество, безопасность и пригодность для конкретных доменов необходимо проверять самостоятельно перед использованием.

Это 8-битная квантизованная версия XLM-RoBERTa-large-xnli-anli от heykorshun, подготовленная для MLX Swift на macOS. Базовая модель vicgalle/xlm-roberta-large-xnli-anli предназначена для многоязычной классификации текстов методом NLI и zero-shot: она сопоставляет текст с заданными категориями или проверяет, противоречит ли новое утверждение старому либо подтверждает его. Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa и принимает контекст до 514 токенов. В README приведён сценарий применения в приложении Stilltone для локальной классификации заметок встреч; автор сообщает о побайтно идентичных результатах с исходными весами fp32 на использованных тестовых наборах. 8-битные веса занимают около 0,63 ГБ вместо примерно 2,2 ГБ для fp32. Это файлы MLX Swift, а не checkpoint для Transformers или sentence-transformers; для загрузки требуется совместимая реализация MLX Swift и соответствующая схема квантования. Лицензия — MIT.

YamshadowInex12_Experiment28Meliodas — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/YamshadowInex12-7B и automerger/Experiment28Meliodas-7B. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста. Лицензия Apache-2.0. README не описывает специализацию или дополнительные возможности модели.

YamshadowInex12_Neuralsirkrishnaexperiment26Experiment24 — слитая модель семейства Mistral, созданная на основе automerger/YamshadowInex12-7B и automerger/Neuralsirkrishnaexperiment26Experiment24-7B. Она предназначена для генерации текста и имеет 7,1 млрд параметров. Модель принимает текст и может использовать контекст длиной до 32 768 токенов. Карточка сообщает только о слиянии двух моделей и не описывает специальные сценарии применения или языковую специализацию. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

YamshadowStrangemerges_32_AlloyingotneoyPercival_01 — объединённая модель на архитектуре Mistral, созданная из automerger/YamshadowStrangemerges_32-7B и automerger/AlloyingotneoyPercival_01-7B. Она предназначена для генерации текста; репозиторий содержит веса в формате Safetensors. Модель насчитывает 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель можно применять для генерации продолжений, черновиков и ответов на текстовые запросы. README не описывает специализацию, языки или результаты оценки качества. Лицензия — Apache-2.0.

YamshadowStrangemerges_32_T3qExperiment26 — объединённая модель, созданная MaziyarPanahi на основе automerger/YamshadowStrangemerges_32-7B и automerger/T3qExperiment26-7B. Это плотная причинно-языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; длина контекста составляет до 32 768 токенов. Веса опубликованы в формате Safetensors. Модель можно применять для генерации продолжений и ответов в текстовых сценариях. В карточке указана лицензия Apache-2.0. Сведения о языковой специализации и дополнительных возможностях в доступных данных отсутствуют.

YamT3qm7xp_Experiment27Yam — объединённая текстовая генеративная модель на архитектуре Mistral, разработанная на основе automerger/YamT3qm7xp-7B и automerger/Experiment27Yam-7B. В репозитории указаны веса в формате Safetensors; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста. Карточка не описывает специальные сценарии применения, языки, методы объединения моделей или сравнительные результаты. Лицензия — Apache-2.0.

ishikaa/acquisition_generator_AS_format_numina_llama8b — модель генерации текста на базе архитектуры Llama, опубликованная на Hugging Face и предназначенная для использования через библиотеку Transformers. По метаданным модель содержит около 7,5 млрд параметров и поддерживает контекст длиной до 131 072 токенов. Модель ориентирована на генерацию продолжений текста и диалоговых ответов в сценариях, где требуется работа с длинными входными последовательностями. Тег conversational указывает на пригодность к диалоговому применению, однако README не содержит сведений о разработчике, языках, данных обучения, результатах оценки или лицензии.

Arcee-SuperNova-v1-GGUF — это квантизированная версия текстовой генеративной модели Arcee-SuperNova-v1, разработанной arcee-ai. Квантизация выполнена bartowski в формате GGUF с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может запускаться локально через llama.cpp, LM Studio и другие совместимые проекты. В репозитории представлены варианты квантизации от Q2 до Q8 с размерами файлов примерно от 27,4 до 75 ГБ. Более высокие уровни квантизации обычно обеспечивают лучшее качество, но требуют больше оперативной или видеопамяти; варианты Q4_K_M, Q5 и Q6_K обозначены как рекомендуемые. Для работы необходимо использовать указанный шаблон промпта на основе специальных токенов сообщений. README не содержит подробных сведений об архитектуре, количестве параметров, поддерживаемых языках, размере контекстного окна или мультимодальности, поэтому эти характеристики нельзя достоверно определить. Основные ограничения связаны с потерями качества при низкой квантизации и значительными требованиями к памяти. Указана лицензия llama3.

A-vibe — диалоговая языковая модель, созданная Авито Тех на базе Qwen3-8B-Base и адаптированная для русского языка и домена Авито. По карточке, модель прошла дополнительное обучение на большом корпусе данных, SFT и RL; также для неё разработали токенизатор, оптимизированный для русского и английского языков. Метаданные указывают архитектуру Qwen3ForCausalLM, размер 7,4 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов, решения математических задач и вызова функций. Разработчик сообщает о более высоких результатах, чем у instruct-версии Qwen3-8B, на ряде русскоязычных бенчмарков, а также об ускорении обработки русскоязычных примеров на 15–25% относительно исходной Qwen3-8B. Модель принимает текст и генерирует текст; заявлены русский и английский языки. Репозиторий содержит веса Safetensors, библиотека — Transformers. Лицензия — Apache-2.0.