II.1Анализ требований и архитектура ПО

MiniLoong-3B — языковая модель с архитектурой Llama, разработанная командой GeneZC. Она предназначена для генерации текста и может использоваться для продолжения запросов и создания текстовых ответов. Модель содержит 2,9 млрд параметров, принимает текст и поддерживает контекст длиной до 32 000 токенов. В метаданных указаны английский и китайский языки, а также обучающие наборы Pile, RedPajama-Data-1T и WuDao. Модель основана на LLaMA-2 и распространяется в форматах PyTorch и safetensors. Указанная в метаданных лицензия — Apache-2.0, однако README отдельно требует соблюдать лицензию LLaMA-2, поскольку модель от неё производна.

rawsh/mirrorgemma-2-2b-SFT — текстовая модель генерации на архитектуре Gemma 2, разработанная rawsh и дообученная на базе unsloth/gemma-2-2b с помощью Unsloth и TRL. Она предназначена для генерации текста по текстовому запросу; карточка не уточняет специализированные сценарии обучения или использования. Модель содержит 2,7 млрд параметров, принимает текст и выдаёт текст, а длина контекста составляет 8192 токена. В метаданных указан английский язык. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache-2.0.

ghimiresunil/mistral-7b-bfloat16-sft-full — дообученная модель генерации текста на базе Mistral-7B-v0.1. Она содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Веса представлены в формате safetensors. Модель предназначена для генерации текста. README сообщает о дообучении на датасете, обозначенном как None, и приводит значение loss 0,5747 на оценочной выборке, но не описывает конкретную специализацию, языки или сценарии применения. Указана лицензия Apache-2.0.

alvarobartt выпустил экспериментальную чат-модель на базе Mistral-7B-v0.1, дообученную методом ORPO на наборе alvarobartt/dpo-mix-7k-simplified. Модель предназначена для генерации текста в диалоговом формате и может использоваться для создания ответов на запросы пользователя. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Она принимает текст и генерирует текст, ориентирована на английский язык. Веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Автор README отмечает экспериментальный статус обучения: на момент публикации ORPOTrainer ещё ожидал слияния соответствующего PR в библиотеке TRL. Это может влиять на воспроизводимость процесса дообучения; отдельные гарантии качества или результаты оценки в карточке не приведены.

NeuralsynthesisInex12-7B — автоматически слитая модель для генерации текста, созданная Maxime Labonne методом DARE-TIES на основе NeuralSynthesis-7B-v0.1 и INEX12-7b. Модель построена на архитектуре Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста. Веса доступны в формате Safetensors, лицензия — Apache-2.0. Карточка описывает параметры слияния, но не приводит сведений о языковой специализации и результатах оценки качества.

Nex-N2.5-Pro-GGUF — это набор квантованных версий текстовой генеративной модели Nex-N2.5-Pro, разработанной nex-agi и преобразованной в формат GGUF пользователем bartowski. Квантование выполнено с использованием llama.cpp версии b10896 и imatrix. Модель предназначена для генерации текста и запуска локально через совместимые инструменты, включая llama.cpp. Модель имеет 397 млрд параметров и поддерживает только текстовый ввод. Спекулятивное декодирование не поддерживается. Доступны варианты квантования от Q8_0 до IQ1_S, размером примерно от 87,87 до 421,57 ГБ. Версии с более высокой точностью обеспечивают лучшее качество, но требуют значительно больше памяти; Q4_K_M обозначена как рекомендуемый компромисс между размером и производительностью. README не содержит сведений о языках, длине контекста, внутренней архитектуре, результатах тестирования или конкретных прикладных сценариях. Модель распространяется по лицензии Apache-2.0.

Novaeus-Promptist-7B-Instruct — дообученная инструктивная языковая модель на базе Qwen2.5-7B-Instruct, опубликованная пользователем prithivMLmods. Она предназначена прежде всего для улучшения текстовых промптов: переформулирует и уточняет запросы, чтобы сделать их более пригодными для последующей генерации. Также поддерживает генерацию текста по инструкциям, включая творческое письмо, суммаризацию, перефразирование и ответы на вопросы. Модель построена на плотной архитектуре Qwen2 с 7,1 млрд параметров, принимает и генерирует текст, использует Transformers и формат safetensors; заявленная длина контекста — 32 768 токенов. В карточке указана поддержка английского языка. Лицензия — CreativeML OpenRAIL-M. Качество улучшения промптов и ответов зависит от формулировки запроса; отдельные гарантии качества в карточке не приводятся.

Orca Mini v3 70B — языковая модель на архитектуре Llama 2, созданная Pankaj Mathur и обученная на наборах данных в стиле Orca. Она предназначена для диалогов с ассистентом, следования инструкциям и генерации текста. Модель содержит 68,7 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текстовые запросы; контекст — до 4096 токенов. В карточке приведены результаты оценки на нескольких задачах языковых моделей. Модель рассчитана на англоязычное использование. Для запуска в 4-битном режиме автор указывает потребность примерно в 45 ГБ видеопамяти. Ответы могут быть неточными или вводить в заблуждение, а также содержать предвзятый или оскорбительный контент, поэтому факты следует проверять. Лицензия указана как other; конкретные условия в карточке не уточнены.

Persephone — языковая модель ResplendentAI для генерации текста. Это объединённая модель на архитектуре Mistral с 7,1 млрд параметров, рассчитанная на контекст до 32 768 токенов и работающая через библиотеку Transformers. Автор описывает её как эксперимент с новым подходом к созданию модели. Модель подходит для генерации продолжений текста и других сценариев, основанных на text-generation. В карточке указан английский язык. Модель распространяется в формате safetensors; лицензия обозначена как other, поэтому конкретные условия использования следует проверять на странице модели. README не приводит результатов оценки качества или подробного описания возможностей.

POLARIS-Project_Polaris-4B-Preview-GGUF — это GGUF-квантизированная версия текстовой генеративной модели Polaris-4B-Preview, разработанной POLARIS-Project. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста на английском языке и запуска в локальных приложениях, совместимых с llama.cpp, включая LM Studio. Модель имеет около 4 миллиардов параметров в исходной версии; доступны варианты от BF16 до низкобитных форматов Q8, Q6, Q5, Q4, Q3 и IQ. Размер файлов составляет примерно от 1,96 до 8,05 ГБ, что позволяет выбирать между качеством и требованиями к оперативной памяти. Квантизация imatrix и варианты Q5–Q6 заявлены как обеспечивающие высокое качество при меньшем размере, тогда как Q3 и некоторые низкобитные варианты экономичнее, но могут заметно уступать в качестве. Модель подходит для локального текстового вывода, экспериментов и интеграции в приложения на базе llama.cpp. Мультимодальность, архитектура исходной модели, размер контекстного окна и дополнительные языки в предоставленных данных не указаны. Шаблон чата также не задан, поэтому рекомендуемый формат prompt может потребовать проверки по карточке исходной модели. Распространение указано по лицензии Apache-2.0.

Pygmalion 2 13B SuperCOT — это языковая модель для генерации текста, разработанная The Royal Lab и опубликованная в формате GGUF компанией TheBloke. Модель основана на архитектуре Llama и предназначена для выполнения текстовых инструкций и формирования ответов по шаблону Alpaca. Модель содержит 13 миллиардов параметров и ориентирована на англоязычные сценарии. GGUF-версия поддерживает различные варианты квантования от 2 до 8 бит, что позволяет запускать её на CPU и GPU с использованием llama.cpp, text-generation-webui, KoboldCpp, LM Studio и совместимых библиотек. Модель относится к классу text-generation; другие модальности и размер контекстного окна в README не указаны. К сильным сторонам относятся возможность локального запуска, поддержка нескольких уровней квантования и совместимость с широким набором инструментов. Ограничениями являются зависимость характеристик качества и требований к ресурсам от выбранного варианта квантования, а также отсутствие в README подробных оценок качества и данных о контекстном окне. Указанная лицензия — Llama 2.

tvall43/Qwen3.5-14B-A3B-Claude-4.6-Opus-Reasoning-Distilled-reap — экспериментальная сжатая версия модели для диалогов и задач, требующих пошаговых рассуждений. Согласно карточке, она основана на дообученной Qwen3.5-35B-A3B-Claude-4.6-Opus-Reasoning-Distilled; каталог указывает архитектуру Qwen3.5 MoE, 2,9 млрд параметров и контекст до 262 144 токенов. Модель принимает текст и генерирует текст. Модель предназначена для аналитических задач, программирования, математики и логических рассуждений. Карточка описывает обучение на данных с примерами рассуждений, связанными с Claude Opus, однако приведённые тесты дают смешанные результаты: модель не справилась с созданием игры «Змейка» в одном HTML-файле после нескольких итераций, а тест с автомойкой оказался трудным. Заявления карточки об улучшении рассуждений не подкреплены независимыми оценками. Указана лицензия Apache-2.0. Это ранняя экспериментальная версия; для неё отмечены риск галлюцинаций и возможные проблемы совместимости или интеграции. Карточка рекомендует проверять ответы, особенно фактические утверждения и результаты сложных задач.

Sappho_V0.0.1 — языковая модель для генерации текста, созданная объединением WizardLM/WizardMath-7B-V1.0 и VAGOsolutions/SauerkrautLM-7b-HerO с помощью LazyMergekit. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и ответов на вопросы. Входные и выходные данные — текст. README не описывает отдельные сценарии применения, языковую специализацию или результаты оценки качества; базовая SauerkrautLM ориентирована на немецкий и английский языки. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных источниках отсутствуют.

Sappho_V0.0.3 — текстовая генеративная модель объёмом 7,1 млрд параметров, созданная автором Jakolo121 как слияние моделей методом DARE-TIES через LazyMergekit. В конфигурации указаны Mistral-7B-v0.1 и HuggingFaceH4/zephyr-7b-beta; метаданные каталога связывают её с Zephyr-7B-β как с базовой моделью. Архитектура — плотная MistralForCausalLM, веса доступны в формате safetensors, контекст — до 32 768 токенов. Модель предназначена для генерации текста, ответов на вопросы и выполнения инструкций в диалоговых сценариях. Описание базовой Zephyr-7B-β указывает на англоязычную ориентацию; других языковых возможностей карточка не подтверждает. Сведений о лицензии в предоставленных данных нет, поэтому условия использования установить нельзя.

Saraa-8B-ORPO-AUNQA-16bit — языковая модель StrangeSX, дообученная на базе unsloth/llama-3-8b-bnb-4bit. Это плотная авторегрессионная модель семейства Llama 3 с примерно 7,5 млрд параметров, предназначенная для генерации текста. В карточке указано, что обучение выполнялось с Unsloth и библиотекой Hugging Face TRL; модель представлена в формате safetensors и поддерживает контекст до 8192 токенов. Модель можно использовать для генерации продолжений и ответов на текстовые запросы. Карточка не уточняет целевой датасет или специализацию AUNQA и ORPO, поэтому качество для конкретных предметных задач по ней оценить нельзя. Указанная лицензия — Apache-2.0.

sfmbaselinefiltered-3k4k5k6k7kweightedavgmerge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. Модели объединены линейным методом; базой слияния служил чекпойнт global_step7000, также участвовали чекпойнты global_step3000, global_step4000, global_step5000 и global_step6000 из серии baseline_filtered. Модель построена на архитектуре GPT-NeoX и предназначена для генерации текста. Она содержит 8,8 млрд параметров, принимает текст и поддерживает контекст до 16 384 токенов. Данных о специализированных языках и прикладных областях нет, поэтому её можно описать только как языковую модель общего назначения. В репозитории указаны веса в формате Safetensors. Лицензия не приведена в доступных данных. Поскольку это объединение чекпойнтов, его качество и поведение могут зависеть от исходных этапов обучения; отдельные результаты оценки в карточке не представлены.

shanchen-llama3-8B-slerp-med-262k-GGUF — это набор GGUF-квантизованных файлов базовой текстовой генеративной модели shanchen/llama3-8B-slerp-med-262k. Квантизацию выполнила команда featherless-ai-quants. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется локальный запуск или выбор подходящего соотношения качества, размера и требований к ресурсам. Модель относится к семейству Llama 3 и имеет размер 8B параметров; заявлена поддержка контекста до 262 тысяч токенов, однако подробности архитектуры, языков, качества и модальностей в README не приведены. Доступны варианты Q2_K, Q3_K_S, Q3_K_M, Q3_K_L, Q4_K_S, Q4_K_M, IQ4_XS, Q5_K_S, Q5_K_M, Q6_K и Q8_0 размером примерно от 3 до 8,1 ГБ. Более компактные варианты требуют меньше памяти, а варианты с более высокой точностью обычно лучше сохраняют качество, но занимают больше места. Сильная сторона набора — широкий выбор квантизаций в распространённом формате GGUF, что упрощает подбор файла под доступные аппаратные ресурсы. Ограничения включают отсутствие в предоставленных данных результатов тестирования, подробных требований к запуску и сведений о поддерживаемых языках. Лицензия в README не указана, поэтому условия использования необходимо уточнять по исходной модели и репозиторию.

UI-UG — мультимодальная модель для понимания пользовательских интерфейсов и генерации UI. Она дообучена командой afx-team на Qwen/Qwen2.5-VL-7B-Instruct; архитектура Qwen2.5-VL, около 7,1 млрд параметров, контекст 128 000 токенов. Модель принимает изображения интерфейсов и текстовые инструкции, а ответы формирует в виде текста и структурированных данных. UI-UG предназначена для описания элементов по координатам, поиска элементов по текстовому описанию с выдачей координат и генерации структурированного DSL для интерфейсов по требованиям. Она распознаёт более 20 категорий элементов и может создавать сопроводительные тестовые данные. В README заявлена генерация UI по описаниям на китайском и английском языках; модель распространяется в формате safetensors и поддерживает чатовый интерфейс. Лицензия — Apache-2.0. Качество локализации и генерации зависит от сложности и содержания интерфейса; README не приводит численных результатов оценки или подробных ограничений.

ViAble-1.7-9B-i1-GGUF — квантизированная версия текстовой генеративной модели ViAble-1.7-9B, разработанной bogairff55 и опубликованной в формате GGUF пользователем mradermacher. Модель предназначена для генерации текста и задач, связанных с рассуждением. В README указана поддержка английского языка. Модель содержит около 9 млрд параметров и представлена в вариантах importance-matrix quantization (imatrix) с разными уровнями квантования — от i1-IQ1_S до i1-Q6_K. Доступны файлы размером примерно от 2,8 до 7,5 ГБ; варианты различаются балансом между требованиями к памяти, скоростью и качеством. Для практического использования рекомендуются i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как компромисс между размером, скоростью и качеством. Сильная сторона модели — широкий выбор GGUF-квантов, позволяющий запускать её на оборудовании с разным объёмом памяти. Низкоразрядные варианты экономичнее, но могут заметно уступать по качеству; в README некоторые из них отмечены как варианты низкого качества. Сведения об архитектуре, размере контекста, дополнительных модальностях, точных сценариях обучения и лицензии в README не указаны.

yamacinka/yam-jom-7B-dare — модель генерации текста на архитектуре Mistral, созданная слиянием двух моделей с помощью LazyMergekit. В конфигурации использован метод dare_ties: 35% весов от eren23/ogno-monarch-jaskier-merge-7b-OH-PREF-DPO-v2 и 65% от yam-peleg/Experiment26-7B. Модель содержит 7,1 млрд параметров, представлена в формате Safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста. Доступные сведения не уточняют отдельные сценарии применения, языки или сравнительные преимущества. Лицензия — Apache 2.0.

YamshadowInex12_Experiment24Experiment28 — слитая текстовая модель, созданная на основе automerger/YamshadowInex12-7B и automerger/Experiment24Experiment28-7B. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и принимает текст для генерации продолжений и ответов; длина контекста составляет 32 768 токенов. Модель предназначена для генерации текста и экспериментов с языковыми моделями. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0. README не сообщает о специализированной области применения или дополнительных ограничениях качества.

N8Programs/Yukikai-v0.1 — языковая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная N8Programs на базе unsloth/mistral-7b. Модель предназначена для генерации и продолжения текста; её можно использовать в приложениях, которым требуется создавать текстовые ответы или продолжать заданный фрагмент. Модель принимает текст и выдаёт текст. Метаданные указывают контекст до 32 768 токенов и поддержку английского языка. При обучении использовались Unsloth и библиотека TRL. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию, качество на конкретных задачах, обучающие данные или ограничения генерации; поэтому пригодность для узких сценариев следует проверять отдельно.

Fischerboot/4b-Tinyllama — объединённая языковая модель, созданная с помощью mergekit методом passthrough на основе Aculi/Tinyllama-2B. В метаданных указаны архитектура LlamaForCausalLM, плотная архитектура и 3,7 млрд параметров; модель предназначена для генерации текста и поддерживает контекст до 2048 токенов. Модель принимает текст и генерирует текст. Карточка не описывает специализацию по предметным областям или отдельные сценарии использования, поэтому её можно рассматривать как модель общего назначения для генерации текста. Репозиторий распространяет веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

AiMaven-SmartMarc — языковая модель, собранная jefferylovely слиянием двух моделей: AiMavenAi/AiMaven-SmartDawg-7b и nfaheem/Marcoroni-7b-DPO-Merge. Для слияния применён метод slerp через LazyMergekit; базовой моделью указана AiMavenAi/AiMaven-SmartDawg-7b. Модель построена на архитектуре Mistral с плотной трансформерной сетью, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста. Карточка не уточняет целевые языки, специальные области применения или качество на конкретных задачах. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение. Сведения о сравнительных оценках качества и специальных ограничениях модели в карточке отсутствуют.

bigllama3.2-3b-to-7b — экспериментальная языковая модель семейства Llama, созданная автором репозитория deltanym с помощью mergekit. Несмотря на название, в метаданных указан размер 6,4 млрд параметров. Модель собрана методом passthrough из нескольких диапазонов слоёв meta-llama/Llama-3.2-3B-Instruct и предназначена для генерации текста и диалогов; в репозитории представлены веса safetensors для Transformers. Модель принимает текст и генерирует текст. Для базовой Llama 3.2 указана мультиязычная поддержка, а контекст модели составляет до 131 072 токенов. Метаданные также отмечают интерфейс вызова инструментов, однако карточка не описывает его поведение или качество. Модель опубликована 20 ноября 2024 года под лицензией базовой модели Meta; условия лицензии следует сверять с карточкой и лицензией Meta Llama 3.2. Поскольку это необычная сборка диапазонов слоёв одной модели, её качество и совместимость с обычными сценариями применения требуют проверки.

BigWeave v16 103b — экспериментальная плотная авторегрессионная языковая модель семейства Llama, созданная llmixer путём самослияния слоёв модели 152334H/miqu-1-70b-sf. Веса имеют около 102,9 млрд параметров и доступны в формате safetensors; контекст составляет 32 764 токена. Для запросов подходят форматы промптов Mistral, Vicuna и Alpaca. Модель предназначена для генерации текста и диалогов, в том числе для оценки влияния настроек слияния слоёв на качество. В README приведены результаты Open LLM Leaderboard, включая средний балл 72,02, однако автор предупреждает, что номер версии не отражает качество, а экспериментальные варианты публикуются по результатам отбора. Карточка не сообщает лицензию, поэтому условия использования следует уточнить перед применением. Указан английский язык.

Blur-7b-slerp-v1.4 — объединённая методом SLERP языковая модель, созданная liminerity с помощью mergekit на основе liminerity/Blur-7B-slerp-v0.1 и liminerity/Omningotex-7b-slerp. Это плотная модель архитектуры Mistral с 7,1 млрд параметров, предназначенная для генерации текста и общих языковых задач. Заявленная длина контекста — 32 768 токенов; веса опубликованы в формате safetensors. Модель подходит для генерации и продолжения текста в приложениях, которым нужна компактная языковая модель с длинным контекстом. README не описывает отдельные специализации или результаты оценки качества; автор отмечает сомнение в работоспособности сборки, поэтому её пригодность для практического использования не подтверждена. Лицензия — Apache-2.0.

Weyaxi/ChatAYT-Lora-Assamble-Marcoroni — языковая модель семейства Llama, представленная в формате safetensors и содержащая 12,9 млрд параметров. Она предназначена для генерации текста; карточка приводит результаты оценки на Open LLM Leaderboard, включая средний балл 51,0, ARC и HellaSwag. Контекст модели составляет 4096 токенов. Модель подходит для генерации ответов и продолжения текста в сценариях, где достаточно контекста до 4096 токенов. В карточке не описаны специализация, поддерживаемые естественные языки, базовая модель или условия лицензии, поэтому их нельзя определить по имеющимся данным.

ChatFrame-Uncensored-Instruct-Small — англоязычная разговорная языковая модель, разработанная AIFRAME INC. Это плотная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста в формате диалога; заявленная длина контекста — 8192 токена. Разработчики описывают её как модель с менее ограниченными ответами на широкий круг тем. Модель подходит для диалогов с ИИ-компаньоном, создания контента, ответов на вопросы и прототипирования приложений с генерацией текста. В README также заявлена возможность коммерческого использования и дообучения; лицензия в метаданных — MIT. Данных о конкретной базовой модели или процедуре обучения в доступных материалах нет.

CoMa-7B-v0.1 — экспериментальная объединённая языковая модель, созданная DevQuasar с помощью mergekit из предварительно обученных Meta Llama 2 7B и CodeLlama 7B. Использован линейный метод с весами 1,0 для Llama 2 и 0,5 для CodeLlama; в конфигурации указана точность float16. Модель содержит около 6,6 млрд параметров и имеет контекст длиной до 4096 токенов. Модель предназначена для генерации текста, включая сценарии, связанные с кодом. Карточка описывает её как эксперимент по объединению моделей и не приводит результатов оценки качества или подробных рекомендаций по применению. Лицензия — Llama 2; её условия следует учитывать при использовании модели.