II.1Анализ требований и архитектура ПО

quantumaikr/quantum-v0.01 — языковая модель для генерации текста, разработанная Quantum AI. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для диалогового взаимодействия и других задач генерации текста. Модель принимает текст и выдаёт текст; в карточке указан английский язык, а заявленная длина контекста составляет 32 768 токенов. Модель опубликована в формате safetensors и распространяется по лицензии CC BY-NC-4.0, которая ограничивает коммерческое использование. Разработчик указывает исследовательское назначение и отмечает, что дообучение для более безопасных ответов не устраняет все предубеждения и токсичность. Ответы не следует считать достоверным источником или заменой человеческого суждения.

Dajumon/Qwen3-1.7B-base-MED-ChatVector — языковая модель для генерации текста на базе семейства Qwen3, опубликованная на Hugging Face пользователем dajumon. В метаданных указаны размер 1,7 млрд параметров, библиотека Transformers и задача text-generation; архитектура и сведения о разработчике в доступных материалах подробно не описаны. Модель поддерживает контекст до 40 960 токенов и может использоваться как основа для генерации и продолжения текста, а также для создания прикладных решений после дополнительной настройки.

Qwen3-4B-SFT-Claude-Opus-Reasoning-Unsloth — языковая модель ermiaazarkhalili для генерации текста и диалоговых ответов с рассуждениями. Это дообученная методом SFT версия Qwen3-4B с адаптером LoRA; обучение проводилось на 10 477 примерах набора Claude Reasoning Distillation. Модель использует плотную архитектуру Qwen3ForCausalLM и содержит 3,7 млрд параметров. Модель предназначена для генерации ответов на английском языке и задач, где полезен стиль рассуждений, усвоенный из обучающих примеров. В метаданных указан контекст до 40 960 токенов, тогда как README отмечает, что дообучение выполнялось с окном 2 048 токенов. Репозиторий содержит веса Safetensors; для использования указана библиотека Transformers, а README также описывает загрузку через Unsloth. Модель распространяется по лицензии Apache-2.0. Она может выдавать правдоподобные, но неверные сведения, обучена преимущественно на английских данных и не проходила обширную настройку безопасности; для применения следует учитывать эти ограничения.

RWKV-4 — языковая модель Bo Peng, обученная на наборе данных The Pile. Это плотная авторегрессионная модель архитектуры RWKV с 14,9 млрд параметров, опубликованная в формате PyTorch для библиотеки Transformers. Она предназначена для генерации продолжения текста и может применяться для создания черновиков, ответов и другого текстового содержимого по заданному контексту. Архитектура сочетает рекуррентный подход с возможностью параллельного обучения, характерной для трансформеров. В карточке заявлены быстрая генерация и экономное использование видеопамяти, однако конкретные оценки качества и длина контекста не приведены. Модель обучена на Pile; поддерживаемые языки отдельно не перечислены. Лицензия в предоставленных данных не указана.

Severus-7B — объединённая языковая модель, созданная из samir-fama/FernandoGPT-v1 и FelixChao/NinjaDolphin-7B. В конфигурации объединения первые 24 слоя взяты из FernandoGPT-v1, а слои 24–31 — из NinjaDolphin-7B; использован метод passthrough и формат float16. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста. Карточка не описывает специализированные сценарии, языки или конкретные преимущества. Репозиторий распространяется по лицензии Apache-2.0; результат объединения хранится в формате safetensors.

sfm_baseline_filtered-0k_1k_2k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit из контрольных точек предварительно обученной модели. В карточке указано линейное слияние: контрольная точка global_step2000 использована как базовая, а global_step1000 и global_step0 включены в объединение. Репозиторий построен на архитектуре GPT-NeoX и содержит около 8,8 млрд параметров; максимальный контекст — 16 384 токена. Модель предназначена для генерации текста. Сведений о конкретных сценариях, языках или специализированных областях применения карточка не приводит. Файлы опубликованы в формате safetensors; для работы используется библиотека Transformers. Условия лицензирования в доступных данных не указаны.

sfmbaselinefiltered-8k9k10kweightedavgmerge — объединённая предобученная языковая модель, созданная с помощью mergekit методом Linear. В качестве базовой использована контрольная точка global_step10000; в объединение также вошли контрольные точки global_step8000 и global_step9000 из серии baseline_filtered. Разработчик или автор исходных контрольных точек в карточке не назван. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и принимает текст для генерации текста. Указанное контекстное окно составляет 16 384 токена. Карточка не описывает целевые сценарии, языки или специальные предметные области, поэтому модель можно охарактеризовать только как генеративную языковую модель общего назначения. Файлы опубликованы в формате safetensors; лицензия в предоставленных данных не указана.

Slerp-CM-mist-dpo — объединённая языковая модель, созданная Abacus.AI методом Slerp Merge из cookinai/CatMacaroni-Slerp и mncai/mistral-7b-dpo-v5. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; она принимает текст и генерирует текст. Модель предназначена для генерации ответов и других текстовых продолжений, а также для экспериментов с объединением моделей. В карточке приведены результаты бенчмарков ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K; автор сообщает об улучшении TruthfulQA относительно CatMacaroni-Slerp и GSM8K относительно mistral-7b-dpo-v5. Модель выпущена под лицензией Apache-2.0. Она не проходила оценку безопасности и предназначена для исследований и экспериментов; результаты бенчмарков не гарантируют качество в конкретных приложениях.

ThoughtStream-4B-v0.3 — англоязычная чат-модель на архитектуре Llama, созданная trollek дообучением h2oai/h2o-danube3-4b-base. Модель настроена на генерацию текста с токенами рассуждений и поддержкой рефлексии; автор указывает, что использовал glaiveai/reflection-v1, а также наборы ThoughtfulAssistant-v01, ThoughtfulAssistant-v02 и reasoning-0.01. Модель содержит 3,8 млрд параметров, принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов. Опубликована в формате safetensors; для запуска в GGUF автор ссылается на отдельный репозиторий квантованных версий. Лицензия — Apache-2.0. В README описана остановка обучения после роста eval loss на шаге 14000 и использование чекпойнта с шага 13000. Это указывает на раннюю экспериментальную версию; качество и устойчивость генерации требуют самостоятельной оценки.

TinyJ.O.S.I.E.-3x1.1B-32k-Base — языковая модель на архитектуре Mixtral с разреженной архитектурой «смесь экспертов» (MoE), созданная Goekdeniz Guelmez с помощью LazyMergekit на основе трёх копий Isaak-Carter/TinyJ.O.S.I.E.-1.1B-32k-Base. Модель предназначена для генерации текста и принимает контекст длиной до 32 768 токенов; общий размер указан как 1 млрд параметров. Её можно использовать для продолжения текста и генерации ответов в сценариях с длинным контекстом. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

RWKV/v6-Finch-1B6-HF — текстовая авторегрессионная модель семейства RWKV-6, разработанная командой RWKV и представленная в формате Hugging Face Transformers. В модели около 1,7 млрд параметров; веса доступны в формате PyTorch, лицензия — Apache-2.0. Модель предназначена для генерации текста и может использоваться для продолжения заданного текста и построения приложений на основе языковой модели. README указывает на оценивание Finch на тестах ARC, HellaSwag и MMLU, но приведённые результаты относятся к версиям Finch 7B и 14B, поэтому их нельзя напрямую приписывать версии 1B6. Для загрузки в Transformers карточка использует trust_remote_code=True.

YamshadowInex12_Inex12Experiment28 — слитая модель для генерации текста, созданная на основе automerger/YamshadowInex12-7B и automerger/Inex12Experiment28-7B. Она использует плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. В README и метаданных не описаны специальные сценарии применения или поддерживаемые естественные языки. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

MaziyarPanahi/YamshadowInex12_YamshadowStrangemerges_32 — слитая текстовая модель семейства Mistral на 7,1 млрд параметров. Она объединяет automerger/YamshadowInex12-7B и automerger/YamshadowStrangemerges_32-7B и предназначена для генерации текста. Модель использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит сведений о языковой специализации, оценках качества или конкретных сценариях применения, поэтому её возможности за пределами генерации текста не уточняются.

MaziyarPanahi/YamshadowInex12_YamYam — объединённая автором модель на архитектуре Mistral для генерации текста. Она объединяет модели automerger/YamshadowInex12-7B и automerger/YamYam-7B; размер составляет 7,1 млрд параметров, а длина контекста — до 32 768 токенов. Модель подходит для генерации продолжений и ответов по текстовому запросу. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README не приводит сведений о конкретных языках, специализации или сравнительных оценках качества.

YamshadowStrangemerges_32_AlloyingotneoyInex12 — объединённая модель для генерации текста, созданная из automerger/YamshadowStrangemerges_32-7B и automerger/AlloyingotneoyInex12-7B. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель принимает текст и генерирует текст; её можно применять для диалога, продолжения текста и других задач генерации. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. В README не приведены результаты оценки качества или специальные инструкции по использованию, поэтому возможности конкретнее генерации текста не подтверждены.

YamshadowStrangemerges_32_Experiment26Yamshadow — объединённая модель для генерации текста, созданная путём слияния automerger/YamshadowStrangemerges_32-7B и automerger/Experiment26Yamshadow-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель предназначена для текстовых запросов и генерации продолжений или ответов в рамках задачи text-generation. Контекст модели составляет до 32 768 токенов. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. README и метаданные не описывают её специализацию, обучающие данные или сравнительные преимущества; качество ответов и пригодность для конкретных сценариев следует оценивать отдельно.

zen4-thinking-i1-GGUF — это набор квантизированных GGUF-версий модели zenlm/zen4-thinking, подготовленный и опубликованный mradermacher. Модель предназначена для генерации текста, задач рассуждения и математики; по указанным тегам она ориентирована на сценарии, где требуется пошаговое логическое мышление. Поддерживается английский язык. Модель доступна в вариантах квантизации i1-IQ и i1-Q с размером файлов примерно от 16,3 до 65,6 ГБ. Репозиторий также содержит файл imatrix для создания собственных квантов. В README не указаны архитектура, число параметров, размер контекста, дополнительные модальности и точные характеристики базовой модели. Качество и скорость зависят от выбранного варианта: низкобитные версии экономичнее, но могут заметно терять в качестве; среди рекомендуемых указаны i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как компромисс между размером, скоростью и качеством. Лицензия — Apache-2.0. Модель распространяется в формате GGUF и предназначена для локального запуска совместимыми инструментами, однако конкретные требования к аппаратному обеспечению в README не приведены.

Agnes-3.0-Flash-abliterated — независимая модификация модели Agnes AI, выпущенная 0xKitkat под лицензией Apache-2.0. Это плотная мультимодальная модель примерно на 33,1 млрд параметров с архитектурой AgnesForConditionalGeneration; сохранены исходные веса зрительной башни и все 72 блока декодера. Модель принимает текст и изображения и предназначена для диалога, генерации текста, анализа изображений и работы с инструментами через интерфейс tool calling. Автор изменил текстовые эмбеддинги и выходные матрицы остаточных связей, применив проекцию контрастного направления, выбранного на разделённых наборах вредных и безвредных запросов. Изменение направлено на снижение отказов в ответах; проверки автора показывают, что эвристика по префиксу отказа не обнаруживает все отказы, а функциональные проверки невелики и не заменяют комплексную оценку. Для нативных весов указана рекомендация использовать GPU с 80 ГБ памяти или больше; доступны варианты GGUF для более скромного оборудования. Видео, длинный контекст, режим рассуждений и вызов инструментов не оценивались исчерпывающе.

Amaretto-14B-i1-GGUF — это квантизированная версия языковой модели Amaretto-14B, разработанной AmarettoLabs и подготовленной пользователем mradermacher в формате GGUF. Модель предназначена для генерации текста, творческого письма и работы в качестве ассистента по написанию; в метаданных указано, что она дообучалась с применением QLoRA. Заявлен английский язык. Модель имеет около 14 миллиардов параметров и распространяется в вариантах i1-квантизации с размерами примерно от 3,4 до 11,2 ГБ. Доступны уровни от IQ1 и IQ2 до IQ4, Q5 и Q6; варианты различаются компромиссом между размером, скоростью и качеством. В README также указано, что это vision-модель, однако сведения о поддерживаемых визуальных входах, архитектуре мультимодальности и контекстном окне не приведены. Сильная сторона набора — широкий выбор GGUF-вариантов для запуска на оборудовании с разным объёмом памяти; рекомендованным назван i1-Q4_K_M, а i1-Q4_K_S описан как оптимальный по соотношению размера, скорости и качества. Более низкие уровни квантизации могут заметно уступать по качеству. Модель распространяется по лицензии Apache-2.0.

BabyHydra-dare — объединённая методом DARE-TIES языковая модель на архитектуре Mistral, созданная автором репозитория из нескольких моделей, включая WizardMath-7B-V1.1 и Slerp-CM-mist-dpo. В конфигурации слияния также указана OpenPipe/mistral-ft-optimized-1218 как базовая модель. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста. В README не приведены отдельные инструкции или результаты оценки, поэтому конкретные преимущества слияния и качество на задачах нельзя установить по доступным данным. Репозиторий содержит веса в формате safetensors; сведения о лицензии отсутствуют в предоставленных источниках.

aloobun/bun_mistral_7b_v2 — дообученная модель семейства Mistral, созданная на основе mistralai/Mistral-7B-v0.1 для рассуждений с цепочкой мыслей (CoT). Это плотная авторегрессионная языковая модель на 7,1 млрд параметров с контекстом до 32 768 токенов, предназначенная для генерации текста и ответов с пошаговыми рассуждениями. В карточке указана английская поддержка; метаданные относят модель к задаче text-generation. Репозиторий содержит веса в формате safetensors; для модели также приведены варианты GPTQ, AWQ и GGUF. Модель подходит для экспериментов с пошаговым решением текстовых задач и генерацией ответов. Карточка не приводит оценок качества, обучающих данных или подробных рекомендаций по использованию, поэтому результаты рассуждений следует проверять. Указана лицензия CC; конкретная версия лицензии в предоставленных данных не уточнена.

Это англоязычная модель Sentence Transformer, разработанная автором репозитория и дообученная на базе microsoft/codebert-base для получения векторных представлений текста и кода. Архитектура основана на RoBERTa; модель содержит 151,8 млн параметров и выдаёт плотные эмбеддинги размерностью 768, которые можно сравнивать по косинусному сходству. Максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текста, особенно в сценариях, связанных с кодом и CrewAI. В README приведены результаты поиска на наборе из 900 обучающих примеров; опубликованные значения метрик низкие, поэтому качество следует проверять на собственных данных. Модель принимает текст и возвращает векторы. Распространяется по лицензии Apache-2.0.

Cognitron-8B — экспериментальная языковая модель, созданная автором bunnycore путём объединения трёх моделей семейства Llama 3 с помощью mergekit: Llama-3-8B-Lexi-Uncensored, Einstein-v6.1-Llama3-8B и dolphin-2.9-llama3-8b. Это плотная причинная языковая модель на архитектуре LlamaForCausalLM с 7,5 млрд параметров и контекстом до 8192 токенов; она поддерживает диалоговую генерацию текста. Объединение задумано как сочетание широкого знания, рассуждений и творческой генерации. Модель может применяться для диалогов, ответов на вопросы, рассуждений и написания текста, однако автор отмечает, что результат эксперимента не оценён и его качество неизвестно. Карточка указывает на возможность предвзятых, оскорбительных и ненавистнических ответов из-за компонентов без фильтрации. Лицензия — Llama 3 Community License (llama3).

CoT-T5-3B — англоязычная текстовая модель на архитектуре T5, разработанная KAIST AI на основе Flan-T5. Модель дообучена на 1,84 млн цепочек рассуждений для 1 060 задач из CoT Collection; размер в метаданных указан как 1,5 млрд параметров. Она предназначена для генерации ответов с пошаговыми рассуждениями, решения незнакомых задач в режиме zero-shot и адаптации к новым задачам посредством дополнительного дообучения на цепочках рассуждений. Модель принимает текст и генерирует текст; максимальный нативный контекст составляет 512 токенов. В README заявлено преимущество над Flan-T5 при использовании цепочек рассуждений. Репозиторий содержит веса PyTorch и предназначен для Transformers. Лицензия — Apache 2.0.

Cydonia-ForgottenThoughts-24B — объединённая языковая модель Casual-Autopsy, созданная методом TIES с помощью mergekit на основе TheDrummer/Cydonia-24B-v2 и с включением Undi95/MistralThinker-v1.1 и ReadyArt/Forgotten-Safeword-24B-v3.0. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 23,4 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Контекст составляет до 32 768 токенов; репозиторий использует формат safetensors и библиотеку Transformers. В README не описаны отдельные прикладные специализации или поддерживаемые языки. Лицензия в предоставленных данных не указана. Качество, поведение в диалогах и ограничения модели отдельно не охарактеризованы.

Eris-Lelantacles-7b — языковая модель, созданная слиянием моделей Nitral-AI/Eris-Beach_Day-7b и Nitral-AI/Lelanta-lake-7b методом SLERP. Это плотная Mistral-модель с 7,1 млрд параметров для генерации текста; заявленная длина контекста — 32 768 токенов. В README приведена конфигурация mergekit с разными коэффициентами смешивания для слоёв self-attention и MLP, а итоговый тип данных — bfloat16. Модель подходит для генерации продолжений и ответов на текстовые запросы. Карточка не описывает конкретные сценарии, языковое покрытие или дополнительные возможности, поэтому их нельзя надёжно уточнить. Лицензия указана как other; конкретные условия использования следует сверить с лицензиями исходных моделей и материалами репозитория.

EVA-Qwen2.5-7B-v0.0-GGUF — это GGUF-квантизация текстовой генеративной модели EVA-Qwen2.5-7B-v0.0. Исходная модель разработана EVA-UNIT-01, а квантизированные файлы подготовлены bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая написание историй, roleplay, следование инструкциям и работу с текстовыми промптами. Модель содержит 7 миллиардов параметров и распространяется в нескольких вариантах точности — от F16 до Q2_K_L, включая рекомендуемые конфигурации Q4, Q5 и Q6. Размер файлов варьируется примерно от 3,5 до 15,2 ГБ. Поддерживаются локальный запуск через llama.cpp и LM Studio; в README приведён формат промпта на основе специальных токенов чата Qwen. Языки, длина контекста и точные архитектурные характеристики в предоставленных данных не указаны. Сильными сторонами являются широкий выбор квантизаций, возможность локального запуска и варианты, ориентированные на баланс качества и потребления памяти. Более компактные варианты подходят для систем с ограниченной оперативной памятью, но обеспечивают более низкое качество. Модель работает только с текстом, поскольку обозначена как pipeline для text-generation; сведения о специализированных ограничениях и результатах оценки отсутствуют. Лицензия — Apache-2.0.

Ferret-3B — языковая модель разработчика euclaise на архитектуре StableLM Epoch с 2,7 млрд параметров. Это модель с генеративной архитектурой, дообученная для рассуждений в формате Chain-of-Thought (CoT); она поддерживает общение в формате ChatML и задачи генерации текста и ответов на вопросы. Модель принимает текст и генерирует текст, её контекст составляет 4096 токенов. Ferret-3B можно использовать для диалоговых ответов на вопросы и задач, где полезно пошаговое рассуждение, включая научные и математические вопросы. В карточке указаны датасеты MiniCoT, SciCoT, symtune_mini, mathoverflow-accepted и goodwiki. README предлагает свободное использование и называет модель общественным достоянием; отдельный идентификатор лицензии в метаданных не приведён.

FoFoNet-SuperMayo-MBX-slerp — слитая модель для генерации текста, созданная fterry с помощью LazyMergekit из fterry/FoFoNet-SuperMBX-slerp и kaitchup/Mayonnaise-4in1-022. Это плотная Mistral-архитектура с 7,1 млрд параметров и контекстом до 32 768 токенов; веса опубликованы в формате Safetensors и имеют точность bfloat16. Модель предназначена для генерации текста. Карточка описывает слияние методом SLERP и настройки смешивания слоёв внимания и MLP, но не приводит отдельных сценариев применения или сведений о языках. Лицензия в предоставленных данных не указана.

Gemma-3-27b-it-vl-SuperBrain7x-High-Reasoning-ULTRAMIND-Heretic-Uncensored — мультимодальная чат-модель на базе Gemma 3, созданная DavidAU тонкой настройкой coder3101/gemma-3-27b-it-heretic с использованием набора данных Superbrain 7x. Модель принимает текст и изображения, генерирует текст и поддерживает диалог; автор сообщает, что обработка изображений сохранена. Модель предназначена для диалогов, ответов на вопросы по изображениям и генерации текста с акцентом на развёрнутые рассуждения. В README заявлено контекстное окно 128 тысяч токенов и возможность активировать углублённое рассуждение фразой «think deeply:»; также приведены результаты бенчмарков и сравнение частоты отказов, но это заявления автора, а не независимая оценка. Модель описана как uncensored: она реже отказывает и может генерировать взрослый, грубый или откровенный текст при соответствующих запросах. Для стабильной работы автор приводит рекомендации по настройкам семплирования и шаблонам чата. Репозиторий использует формат safetensors и библиотеку Transformers; лицензия — Apache-2.0.