II.1Анализ требований и архитектура ПО

AyoubChLin/bert-base-multilingual-cased-xnli-nli — мультиязычная модель на архитектуре BERT, дообученная на датасете facebook/xnli для трёхклассового вывода по текстовой паре. Она определяет, следует ли гипотеза из посылки, нейтральна ли она относительно посылки или противоречит ей. Модель содержит 205,1 млн параметров, принимает пары текстов и имеет контекст до 512 токенов; более длинные входы обрезаются. Модель подходит для классификации текстовых пар и zero-shot-классификации, когда метки можно сформулировать как гипотезы. Карточка указывает на мультиязычную поддержку, но качество следует проверять на целевом языке и в целевой предметной области. Результаты NLI не следует использовать как самостоятельное доказательство фактичности утверждений. Лицензия в предоставленных данных не указана.

Captain_BMO-12B — экспериментальная разговорная языковая модель Nitral-AI на архитектуре MistralForCausalLM с 12,1 млрд параметров. Она обучена на базе Mistral Nemo 12B Instruct: автор сообщает о дообучении на случайной выборке из 200 тысяч примеров GU_instruct-Remastered-1.1 с добавлением 25 тысяч примеров hathor/poppy в течение трёх эпох. Модель использует форматирование Mistral и предназначена для генерации текста в режиме завершения и чата; в интерфейсе также предусмотрен вызов инструментов. Автор описывает выпуск как разовый внутренний эксперимент, который показался достаточно удачным для публикации, и не обещает дальнейшей поддержки. В метаданных указан контекст до 1 024 000 токенов, однако автор предупреждает, что результаты могут заметно зависеть от размера контекста и сценария использования. Репозиторий содержит веса в формате Safetensors. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой модели.

CarbonBeagle-11B — чат-модель Vicgalle, созданная линейным слиянием vicgalle/NeuralBeagle-11B и jeonsworld/CarbonVillain-en-10.7B-v4. Это плотная авторегрессионная модель семейства Mistral с 10,6 млрд параметров, предназначенная для генерации текста и диалоговых ответов. Она принимает текст и поддерживает контекст до 32 768 токенов; в карточке модели указано, что она ориентирована на английский язык. Модель можно использовать для диалоговых помощников, генерации и продолжения текста, а также ответов на вопросы. В README приведены результаты оценивания на Open LLM Leaderboard на момент создания модели в январе 2024 года; эти результаты не гарантируют качество на других задачах. Лицензия CC-BY-NC-SA 4.0 запрещает коммерческое использование и требует распространять производные работы на тех же условиях.

Cybertron v4 QW7B UNAMGS — диалоговая языковая модель fblgit, дообученная методом SFT на базе Qwen2.5-7B-Instruct с использованием датасета Magpie-Align/Magpie-Qwen2.5-Pro-1M-v0.1 и подходов, обозначенных авторами как MGS и UNA. Модель с плотной архитектурой Qwen2 содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленный контекст — до 131 072 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Модель предназначена для диалогов и генерации ответов по инструкциям; карточка приводит результаты оценки на Open LLM Leaderboard, включая средний балл 31,82, IFEval и BBH. Метаданные указывают интерфейс для вызова инструментов, однако README не уточняет его реализацию и качество. Основной язык, указанный в карточке, — английский. Лицензия помечена как other, поэтому условия использования следует проверять в самом репозитории; количественные оценки и заявление о первом месте относятся к тестам и дате, указанным автором, и не гарантируют качество в иных сценариях.

QuixiAI разработала экспериментальную инструктивную языковую модель DeepMixtral-8x7b-Instruct на архитектуре DeepSeek-MoE. По карточке, модель получена переносом восьми экспертов Mixtral-8x7b-Instruct-v0.1 в архитектуру DeepSeek-MoE; для каждого токена выбираются два эксперта. Она предназначена для диалогов и генерации ответов на инструкции, поданных в формате [INST]…[/INST], и рассчитана на контекст до 32 768 токенов. Модель имеет 7,1 млрд параметров и распространяется в формате safetensors. Карточка заявляет качество на уровне исходной instruct-модели или немного выше, но оценок пока не приводит; это экспериментальный проект, поэтому результатам заявления о качестве не сопутствует опубликованная проверка. Поддерживается английский язык. Лицензия — Apache-2.0.

yleo/EmertonOgno-7B — модель генерации текста, созданная объединением yleo/OgnoMonarch-7B и yleo/EmertonMonarch-7B с помощью LazyMergekit. В основе лежит плотная архитектура MistralForCausalLM с 7,1 млрд параметров; модель распространяется в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и общих языковых задач. Карточка описывает слияние методом SLERP с разными весами для слоёв self-attention и MLP. В README не приведены результаты оценки качества или специальные сценарии применения. Лицензия в предоставленных данных не указана.

Aeala/Enterredaas-33b — языковая модель для генерации текста, созданная слиянием модели Enterredaas-33b с адаптером QLoRA. Она основана на плотной архитектуре Llama и содержит 32,3 млрд параметров. Модель предназначена для генерации продолжений текста и общих задач на понимание языка; в карточке приведены результаты оценки на Open LLM Leaderboard, включая ARC и HellaSwag. Модель принимает и выдаёт текст. Заявленная длина контекста составляет 2048 токенов. Файлы доступны в форматах PyTorch и safetensors. README не сообщает поддерживаемые естественные языки или условия лицензии, поэтому их нельзя определить по имеющимся данным.

ERNIE-4.5-300B-A47B-Base-PT — базовая текстовая MoE-модель компании Baidu на архитектуре ERNIE 4.5, предназначенная для продолжения текста и генерации по запросу. Это вариант с весами PyTorch для Transformers; README рекомендует использовать режим completion, а не chat completion. Модель получена на этапе предварительного обучения и содержит 300 млрд параметров суммарно, из которых активируется около 47 млрд на каждом токене. Она рассчитана на работу с длинным контекстом до 131 072 токенов и поддерживает английский и китайский языки. Вариант Base принимает и выдаёт текст; несмотря на мультимодальное обучение семейства ERNIE 4.5, этот чекпойнт предназначен только для текстового дополнения. Модель подходит для продолжения и генерации текста с длинным контекстом. Для диалоговых сценариев в карточке указана возможность chat, но README уточняет, что Base следует вызывать через completion API. Лицензия — Apache-2.0.

MaziyarPanahi/Experiment26T3qm7xp_Experiment26Strangemerges_30 — объединённая автором репозитория модель Mistral с 7,1 млрд параметров для генерации текста. Она создана слиянием automerger/Experiment26T3qm7xp-7B и automerger/Experiment26Strangemerges_30-7B и подходит для генерации продолжений и ответов на текстовые запросы. Модель принимает текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors по лицензии Apache-2.0. README не описывает дополнительные настройки или специализацию модели.

MaziyarPanahi/Experiment28M7_Experiment24Experiment28 — слитая языковая модель семейства Mistral, созданная на основе automerger/Experiment28M7-7B и automerger/Experiment24Experiment28-7B. Она предназначена для генерации текста и экспериментальных сценариев работы с языковыми моделями. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает специализацию, языки или сравнительные результаты модели; поэтому её возможности следует считать общими для генерации текста, а качество — проверять на целевых задачах.

Experiment28M7_Strangemerges_32Alloyingotneoy — объединённая модель для генерации текста, созданная слиянием двух моделей Mistral: automerger/Experiment28M7-7B и automerger/Strangemerges_32Alloyingotneoy-7B. Репозиторий содержит веса в формате safetensors; размер модели — 7,1 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Она использует архитектуру Mistral с контекстом до 32 768 токенов. Данных о специализации по языкам или прикладным областям в карточке нет. Модель распространяется по лицензии Apache-2.0. Карточка не приводит сравнительных оценок качества или подробностей о методе слияния, поэтому пригодность для конкретных сценариев следует оценивать на собственных запросах.

MaziyarPanahi/Experiment28T3q_Experiment24Ognoexperiment27 — объединённая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана путём слияния automerger/Experiment28T3q-7B и automerger/Experiment24Ognoexperiment27-7B. Модель предназначена для генерации текста и может использоваться в приложениях, которым нужны ответы или продолжения текста. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0. README не описывает конкретные преимущества, целевые сценарии или результаты оценки качества, поэтому их нельзя надёжно определить по доступным данным.

byroneverson/gemma-2-27b-it-abliterated — диалоговая модель генерации текста на архитектуре Gemma 2, созданная путём аблитерации Google Gemma 2 27B IT. Разработчик описывает CPU-метод: вычисление вектора отказа с помощью квантованной модели и ортогонализация файлов весов safetensors исходной модели. Модель предназначена для диалога и генерации ответов по текстовым инструкциям. Она содержит 27,6 млрд параметров, принимает текст и рассчитана на контекст до 8192 токенов; в метаданных указан английский язык. Лицензия — Gemma. README сообщает о методе изменения модели, но не приводит оценок качества или подробных результатов испытаний.

Это конвертированная версия инструкционной текстовой модели Gemma 3 270M IT от Google, подготовленная сообществом LM Studio. Весовая точность bf16 сохранена, а формат MLX оптимизирован для запуска на компьютерах Apple Silicon; архитектура — плотная авторегрессионная Gemma3ForCausalLM с примерно 257 млн параметров. Модель предназначена для диалогов и генерации текста по инструкциям, включая ответы на вопросы и суммаризацию. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В карточке не перечислены поддерживаемые естественные языки. Для распространения базовой модели указана лицензия Gemma; перед использованием следует учитывать её условия. MLX-версию предоставила команда LM Studio, разработчиком исходной модели является Google.

h2oai/h2ogpt-oig-oasst1-256-6_9b — инструкциялық жауаптарға бапталған, H2O.ai әзірлеген 6,9 млрд параметрлі GPT-NeoX тілдік моделі. Ол EleutherAI/pythia-6.9b моделін h2oai/h2ogpt-oig-oasst1-instruct-cleaned-v1 деректер жиынында қосымша оқыту арқылы жасалған. Модель мәтіндік нұсқауларды орындауға және жауап мәтінін генерациялауға арналған. Ол Transformers кітапханасында қолданылады, PyTorch форматында берілген және контекст ұзындығы 2048 токенді құрайды. Карточкада ағылшын тілі көрсетілген. Модель Apache-2.0 лицензиясымен таратылады, сондықтан коммерциялық қолдануға болады. Нәтижелердің сапасы нұсқау мен контекстің анықтығына байланысты; карточкада арнайы бағалау нәтижелері немесе қауіпсіздік шектеулері келтірілмеген.

H2O.ai h2ogpt-research-oasst1-llama-65b — языковая модель с 65 млрд параметров на архитектуре LLaMA, дообученная следовать инструкциям на наборе h2oai/openassistant_oasst1_h2ogpt_graded. Она предназначена для чат-ботов и генерации ответов на текстовые запросы. Модель можно запускать через Transformers; её контекст составляет 2048 токенов. Модель работает с текстом на английском языке. Она может формировать связные ответы, однако иногда выдаёт ошибочную, бессмысленную, нерелевантную или предвзятую информацию, в том числе оскорбительный контент; результаты следует проверять. В карточке указана лицензия other и отмечено, что модель не лицензирована для коммерческого использования.

Inex12Mergerix-7B — слитая модель для генерации текста, созданная Maxime Labonne автоматизированным объединением MSL7/INEX12-7b и MiniMoog/Mergerix-7b-v0.3. В модели семейства Mistral используется плотная архитектура MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. При слиянии применён метод SLERP с настройками, задающими разные веса для слоёв self-attention и MLP; в README также приведён пример загрузки через Transformers. Карточка не описывает специализированные области применения или поддерживаемые языки. Модель распространяется по лицензии Apache-2.0.

Jaskier-7b-dpo-v6.1 — языковая модель от bards.ai на архитектуре Mistral с 7,1 млрд параметров. Модель предназначена для генерации текста; в карточке указано обучение методом Direct Preference Optimization на наборе предпочтений для математических ответов. README называет её производной от более ранней версии Jaskier-7b-dpo-v5.6, созданной на основе Mistral 7B, однако метаданные не подтверждают точную цепочку базовых моделей для версии v6.1. Модель принимает текст и выдаёт текст. В метаданных указан контекст до 32 768 токенов и английский язык. Весы опубликованы в формате safetensors для Transformers. Лицензия — CC BY 4.0. README помечает модель как рабочую версию, которая может быть не готова к промышленному применению.

Keural Cortex 8B v1.0 — разработанная MKD двуязычная языковая модель на архитектуре Qwen3 с 7,6 млрд параметров. Это instruction- и preference-aligned чекпойнт с возможностью генерировать структурированные вызовы инструментов. Модель рассчитана на локальный запуск в инфраструктуре заказчика и корейско-английское общение в корпоративных приложениях. Поддерживает контекст до 65 536 токенов и распространяется в формате Safetensors через Transformers. Модель подходит для диалоговых интерфейсов, ответов на вопросы по корпоративным документам и вызова разрешённых приложением инструментов, например поиска в интернете или запроса уточнений. Самостоятельного доступа к сети, частным документам или внешним действиям у неё нет: инструменты выполняет хост-приложение. Разработчик проверил несколько сценариев через API vLLM, но рекомендует оценить модель на собственных данных и не использовать её как единственное основание для решений с высокими последствиями. Лицензия — Apache-2.0.

Ladybird-base-7B-v8 — языковая модель, созданная независимым автором как проект по изучению и дообучению LLM. Она основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров. В README указаны grouped-query attention, sliding-window attention и токенизатор BPE с обработкой байтов вне словаря; поддерживается контекст длиной до 32 768 токенов. Модель предназначена для генерации текста и диалоговых ответов. Для инструкций автор рекомендует формат ChatML. В карточке указана поддержка английского языка, однако результаты оценки приведены лишь для отдельных тестов, поэтому они не устанавливают качество для широкого круга задач. Модель опубликована в формате Safetensors под лицензией Apache-2.0.

QuantFactory/Llama-3-13B-Instruct-v0.1-GGUF — квантизированная версия текстовой instruct-модели Llama-3-13B-Instruct-v0.1, созданная с помощью llama.cpp. Исходная модель разработана MaziyarPanahi как self-merge на базе meta-llama/Meta-Llama-3-8B-Instruct; квантизацию также выполнил MaziyarPanahi. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через chat template и библиотеки transformers или совместимые инструменты llama.cpp. В карточке указано, что модель работает с текстом на английском языке и относится к pipeline text-generation. Архитектура прямо не описана; заявлен размер 13B в названии модели. Квантизация должна снизить требования к вычислительным ресурсам по сравнению с полноразмерной версией, но конкретный формат и уровень квантизации не указаны. Контекстное окно, поддерживаемые модальности, точные требования к памяти, результаты оценки и ограничения качества не приведены. Модель может быть полезна для англоязычных чат-ботов, генерации и продолжения текста, а также локального запуска при ограниченных ресурсах. Использование регулируется лицензией Llama 3; в README указана лицензия other с именем llama3 и ссылкой на файл LICENSE, однако подробные условия в предоставленных данных не приведены.

athirdpath/Llama-3-15b-Instruct-CoT — чат-модель генерации текста на архитектуре Llama, дообученная разработчиком на 1,5 эпохи на наборе QingyiSi/Alpaca-CoT поверх athirdpath/Llama-3-15b-Instruct-GLUED. Модель содержит 14,9 млрд параметров, принимает текстовые запросы и генерирует текст; заявленная длина контекста — 8192 токена. Модель предназначена для диалогов и генерации ответов с пошаговыми рассуждениями в стиле CoT. Карточка не описывает качество, языковое покрытие или специальные прикладные области. Для использования указана лицензия Llama 3; следует учитывать её условия.

Shining Valiant 2 — разговорная языковая модель, созданная Valiant Labs на основе Meta Llama 3.2 3B Instruct и дообученная на данных разработчика. Это плотная модель семейства Llama с 3,2 млрд параметров, предназначенная для диалога и следования инструкциям; в репозитории веса представлены в формате safetensors, а нативная длина контекста составляет 131 072 токена. Модель ориентирована на технические знания и структурированные рассуждения, с акцентом на физику, химию, биологию, информатику и инженерное дело. Она также обучалась на данных для сложных рассуждений и общего чата, поэтому подходит для объяснения научных и технических тем, ответов на вопросы и помощи в обучении. В карточке указана поддержка английского языка; мультиязычность базовой модели не подтверждает, что дообученная версия одинаково хорошо работает на других языках. Модель выпущена 27 сентября 2024 года и использует лицензию Llama 3.2. Качество ответов и точность фактов не гарантированы; научные и технические ответы следует проверять, особенно перед практическим применением.

Llama-3-Base-Instruct-Slerp — диалоговая языковая модель Arcee AI, полученная слиянием Meta-Llama-3-8B и Meta-Llama-3-8B-Instruct методом SLERP с помощью mergekit. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она предназначена для генерации текста и диалоговых ответов; заявленная длина контекста — 8192 токена. Модель принимает текст и выдаёт текст. Репозиторий распространяет веса в формате safetensors, лицензия — Apache-2.0. Слияние базовой и инструктивной версий объединяет их параметры, однако README не приводит оценок качества или результатов тестирования. Описание базовой модели указывает на английский язык; поддержка других языков не подтверждена.

duyntnet/Llama-3-Instruct-8B-SPPO-Iter3-imatrix-GGUF — набор GGUF-квантизаций модели UCLA-AGI/Llama-3-Instruct-8B-SPPO-Iter3. Базовая модель построена на архитектуре Meta Llama 3 8B Instruct и дообучена с применением метода Self-Play Preference Optimization (SPPO), итерация 3. В README также указано, что использовались синтетические ответы и наборы промптов из UltraFeedback, разделённые на три части с помощью Snorkel-Mistral-PairRM-DPO-Dataset. Модель предназначена для генерации текста и преимущественно ориентирована на английский язык. Она содержит около 8 миллиардов параметров и представлена в формате GGUF с imatrix-квантизациями, что делает её пригодной для локального запуска через llama.cpp и совместимые интерфейсы, включая JanAI, KoboldCPP, text-generation-webui, Ollama и GPT4All. README не сообщает размер контекстного окна, точные варианты квантизации или характеристики производительности. Основные сильные стороны модели — инструкционное дообучение, ориентация на английские NLP-задачи и возможность локального использования в различных клиентах. Ограничения включают преимущественно англоязычную специализацию, отсутствие данных о поддерживаемых модальностях кроме текста и недостаток сведений о качестве, безопасности и производительности. В метаданных репозитория указана лицензия other, а в описании исходной модели — Apache-2.0; применимые условия следует уточнять для конкретной квантизации и исходной модели.

Карточка модели YeungNLP/LongQLoRA-Vicuna-13b-8k на Hugging Face совпадает с карточкой YeungNLP/LongQLoRA-Llama2-7b-8k, поэтому описание составлено по ней. YeungNLP/LongQLoRA-Llama2-7b-8k — дообученная версия LLaMA 2 7B, созданная авторами метода LongQLoRA для работы с длинным контекстом. В карточке описан метод эффективного расширения контекстного окна больших языковых моделей с меньшими затратами GPU; для этой модели заявлено увеличение длины контекста с 4096 до 8192 токенов, а метод в целом также позволяет расширение до 12 тысяч токенов. Модель предназначена для генерации текста и продолжения длинных документов. Авторы сообщают о конкурентных значениях perplexity на PG19 и Proof-pile после 1000 шагов дообучения; в сравнении с LongLoRA модель показала лучшие значения и приблизилась к MPT-7B-8K. В метаданных указаны 6,6 млрд параметров, архитектура LLaMA и библиотека Transformers; язык карточки — английский. Модель опубликована под лицензией Apache-2.0. Результаты в README относятся к оценке perplexity на конкретных корпусах и сами по себе не подтверждают качество для всех задач генерации; заявленная цель — работа с длинным контекстом.

MaziyarPanahi/M7T3qm7xp_Percival_01Experiment26 — объединённая модель для генерации текста, созданная на основе automerger/M7T3qm7xp-7B и automerger/Percival_01Experiment26-7B. Это плотная причинно-языковая модель семейства Mistral с 7,1 млрд параметров, представленная в формате Safetensors и рассчитанная на контекст до 32 768 токенов. Модель подходит для генерации и продолжения текста в сценариях, где требуется учитывать длинный контекст. В карточке указана лицензия Apache 2.0. README не уточняет специализацию или результаты оценки качества, поэтому пригодность для конкретных предметных областей по имеющимся сведениям определить нельзя.

Это объединённая с помощью mergekit диалоговая языковая модель на архитектуре Llama, созданная методом passthrough на основе meta-llama/Meta-Llama-3-8B-Instruct. В конфигурации повторно включены слои 24–31 базовой модели; в репозитории указано 9,2 млрд параметров, веса представлены в формате safetensors и типе bfloat16. Модель предназначена для диалоговой генерации текста и ассистентских ответов. Она принимает текст и выдаёт текст, имеет контекстное окно 8192 токена. Карточка указывает лицензию Llama 3. Языковые сведения базовой модели указывают на английский язык; отдельные возможности этой сборки за пределами текстового диалога не заявлены.

MiniMax-M2.1-REAP-30-i1-GGUF — это GGUF-квантизированная версия модели MiniMax-M2.1-162B, подготовленная mradermacher на основе модели 0xSero. Модель предназначена для генерации текста и запуска в совместимых локальных инструментах, поддерживающих формат GGUF. В метаданных она обозначена как MoE-модель с pruning/REAP; точные параметры архитектуры и активный размер модели не указаны. Доступны варианты квантизации от i1-IQ1_S размером 33,2 ГБ до i1-Q6_K размером 133,1 ГБ. README отмечает компромисс между размером, скоростью и качеством: i1-Q4_K_S обозначен как оптимальный по этим параметрам, а i1-Q4_K_M — как быстрый и рекомендуемый вариант. Для некоторых низкобитных IQ-вариантов заявлено преимущество по качеству над сопоставимыми стандартными квантизациями. Заявленный язык — английский. Поддерживается текстовая модальность; сведения о контекстном окне, мультимодальности, специализированных возможностях и результатах бенчмарков отсутствуют. Основные ограничения связаны с большими требованиями к дисковому пространству и ресурсам, особенно для вариантов с более высоким качеством, а низкобитные версии могут заметно терять качество. Модель распространяется по лицензии Apache-2.0.

mrm8488/mistral-7b-ft-h4-no_robots_instructions — дообученная модель на основе Mistral-7B-v0.1, созданная автором репозитория на датасете HuggingFaceH4/no_robots для следования инструкциям. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров и контекстом до 32 768 токенов, предназначенная для генерации ответов на текстовые запросы и выполнения инструкций на английском языке. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка описывает её назначение как модель для instruction following, однако не приводит оценок качества, деталей обучения или результатов сравнительных тестов. Возможности могут отличаться от современных чат-моделей; сведения о дополнительной настройке диалогового поведения не приведены.