II.1Анализ требований и архитектура ПО

RND1-Base-0910 — экспериментальная диффузионная языковая модель семейства RND1, представленная разработчиком radicalnumerics. В README указано 30,5 млрд параметров и около 3,3 млрд активируемых на токен; метаданные каталога указывают 2,6 млрд параметров. Архитектура — разреженная смесь экспертов (MoE), библиотека — Transformers, формат весов — safetensors, контекст — до 40 960 токенов. Модель преобразована из предварительно обученной авторегрессионной Qwen3-30BA3B для генерации текста методом диффузии: она постепенно уточняет токены и может генерировать несколько токенов параллельно на каждом шаге. Предназначена для продолжения текста, ответов на вопросы и выполнения инструкций; README описывает режим задачи с префиксом «Question:» и режим продолжения без префикса. Модель не проходила постобучение, а при жадном семплировании может повторять фрагменты. Лицензия — Apache-2.0. Указание experimental в README отражено в оценке зрелости; точное число параметров расходится между README и метаданными.

textattack/roberta-base-MNLI — модель классификации текста, опубликованная организацией TextAttack на Hugging Face. Это RoBERTa с плотной архитектурой и примерно 151,8 млн параметров, дообученная для распознавания текстовых следствий (natural language inference, NLI). Она принимает пару предложений: посылку и гипотезу, затем классифицирует их отношение как следование, нейтральное отношение или противоречие. Модель подходит для проверки, подтверждает ли исходный текст заданное утверждение, и для экспериментов с классификацией пар предложений. Модель рассчитана на англоязычные данные. Максимальная длина контекста составляет 514 токенов. Доступны веса PyTorch и Flax; карточка Hugging Face не приводит лицензию и отдельные сведения об ограничениях качества.

sfm_baseline_filtered-3k_4k_5k_simpleavg_merge — объединённая модель генерации текста, созданная с помощью mergekit. В основе слияния лежал чекпойнт global_step5000; также использованы чекпойнты global_step3000 и global_step4000 из указанного в README набора baseline_filtered. Слияние выполнено линейным методом. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста и принимает контекст длиной до 16 384 токенов. В карточке не описаны конкретные прикладные сценарии, языки или ограничения качества. Файлы представлены в формате safetensors; лицензия не указана в предоставленных данных.

Glistening-Gem-31B-v2.0-GGUF — это квантизированная версия текстовой генеративной модели sophosympatheia/Glistening-Gem-31B-v2.0, подготовленная bartowski в формате GGUF с использованием llama.cpp. Модель предназначена для генерации текста и поддерживает текстовый ввод; заявленный язык — английский. В README также указано, что исходная модель связана с mergekit и относится к категории not-for-all-audiences. Модель содержит около 31 млрд параметров. Доступны варианты от BF16 до различных квантовок Q3–Q8 и IQ4, что позволяет выбирать между качеством, размером файла и требованиями к памяти; например, рекомендуемый вариант Q4_K_M занимает около 19,60 ГБ. Для запуска следует использовать указанный в README формат prompt и совместимое ПО на базе llama.cpp. Поддержка дополнительных модальностей не заявлена: текстовый multimodal-проектор из upstream был неисправен, поэтому модель следует считать текстовой. Сильной стороной является широкий выбор квантовок, включая варианты с imatrix, позволяющий адаптировать модель к разным аппаратным ограничениям при сохранении приемлемого качества. Ограничения — отсутствие заявленной поддержки изображений, неизвестные архитектура, размер контекста, показатели качества и подробные сценарии обучения; поэтому возможности модели за пределами общего текстового генерирования по README оценить нельзя. Распространение указано по лицензии Apache-2.0.

Hastagaras/Sunmoy-9B-G2 — диалоговая модель генерации текста на базе архитектуры Gemma 2. Она создана слиянием нескольких моделей, включая Gemmoy-9B-G2-MK.3, gemma-2-9b-it-abliterated и gemma2-9B-sunfall-v0.5.2. По карточке, модель рассчитана на диалоговый формат с системным сообщением и последовательностью реплик пользователя и модели. Модель содержит около 9 млрд параметров и поддерживает контекст до 8192 токенов. README отмечает, что опубликованная версия неожиданно стала иметь размер 10B, тогда как GGUF-вариант остаётся 9B; подробности конфигурации слияния в карточке опущены. Лицензия в предоставленных данных не указана.

jaspionjader/test-18 — объединённая языковая модель, созданная с помощью mergekit методом SLERP из предварительно обученных моделей jaspionjader/test-15 и jaspionjader/test-17. В метаданных указана архитектура LlamaForCausalLM с плотной структурой и 7,5 млрд параметров; модель рассчитана на генерацию текста и контекст до 8192 токенов. Модель можно использовать для генерации продолжений текста и других сценариев text-generation. README описывает метод объединения и конфигурацию, но не сообщает о специальных возможностях, целевых областях или языках. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

horangwave/vicuna_0610_8 — языковая модель для генерации текста, собранная автором с помощью mergekit из слоёв horangwave/vicuna_1014_12. Использован метод passthrough: в итоговую модель вошли диапазоны слоёв [0, 6] и [10, 12] базовой модели. Архитектура — плотная LlamaForCausalLM; размер составляет 1,8 млрд параметров, формат весов — safetensors, библиотека — Transformers. Модель принимает текст и выдаёт текст, длина контекста — 2048 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. В карточке не описаны специализация, поддерживаемые естественные языки, конкретные сценарии применения или результаты оценки качества. Лицензия в предоставленных данных не указана.

WizardLM-1.0-Uncensored-Llama2-13b — текстовая генеративная модель семейства Llama 2, представленная QuixiAI. Это переобученная версия WizardLM-13B-V1.0 на отфильтрованном наборе инструкций; она настроена на более прямое выполнение запросов с меньшим числом отказов и избеганий. Модель использует плотную архитектуру LlamaForCausalLM, содержит 12,9 млрд параметров и принимает текстовые запросы в формате промптов Vicuna 1.1. Контекстное окно составляет 4096 токенов; в карточке указан английский язык. Модель предназначена для диалогов с ассистентом, следования инструкциям и генерации ответов. Она может быть полезна для прототипирования чат-ботов и исследования поведения инструктивных моделей. Слово «uncensored» в названии не означает полного отсутствия ограничений: автор отмечает, что модель всё ещё сохраняет некоторые этические установки LLaMA. За счёт ослабленных защитных ограничений она может выдавать нежелательный контент, поэтому результаты требуют проверки. Репозиторий содержит веса PyTorch и распространяется по лицензии Llama 2.

YamshadowStrangemerges_32_Experiment24Experiment28 — слитая языковая модель на архитектуре Mistral, созданная объединением automerger/YamshadowStrangemerges_32-7B и automerger/Experiment24Experiment28-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста; максимальный контекст составляет 32 768 токенов. Модель принимает текст и выдаёт текст. Карточка не описывает специальные сценарии применения, языки или результаты оценки качества, поэтому её можно характеризовать только как модель общего назначения для генерации текста. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

YamshadowStrangemerges_32_Experiment26Experiment28 — объединённая методом merge модель для генерации текста, опубликованная MaziyarPanahi. Она основана на двух моделях: automerger/YamshadowStrangemerges_32-7B и automerger/Experiment26Experiment28-7B; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель подходит для генерации продолжений и ответов на текстовые запросы. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. В метаданных указана лицензия Apache-2.0. Информация о специализации, языках и результатах оценки качества не приводится.

brgx53/3Blarenegv3-ECE-PRYMMAL-Martial — текстовая генеративная модель, созданная автором репозитория слиянием SLERP двух предварительно обученных моделей: fblgit/cybertron-v4-qw7B-MGS и Tsunami-th/Tsunami-0.5x-7B-Instruct. Она основана на архитектуре Qwen2 и содержит 7,1 млрд параметров; репозиторий распространяет веса в формате safetensors, а карточка указывает библиотеку Transformers. Модель предназначена для генерации текста и диалогового общения. Она принимает текстовые запросы и выдаёт текст; заявленная длина контекста составляет 131 072 токена. README приводит результаты Open LLM Leaderboard, включая IFEval и BBH, но не содержит подробного описания поведения или результатов по практическим сценариям. Модель доступна по лицензии Apache-2.0. Известные ограничения: README не описывает целевые языки, отдельные области применения, качество ответов или проверенную поддержку вызова инструментов; наличие соответствующего интерфейса указано в метаданных, но примеров его использования нет.

Air-Striker-Mixtral-8x7B-ZLoss — текстовая авторегрессионная модель семейства Mixtral с архитектурой Mixture of Experts, представленная в формате PyTorch FP16. Карточка описывает её как объединение LoRA с базовой моделью; упоминается отдельная instruct-версия, но данный репозиторий содержит не её. В метаданных указаны 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Разработчик не приводит подробностей о целевых сценариях, языках или результатах оценки качества. Репозиторий создан 22 февраля 2024 года. Условия лицензии в доступных данных не указаны.

Basilisk 4B — языковая модель от winglian, дообученная на базе winglian/llama-2-4b на данных Open-Orca с цепочками рассуждений (CoT). Это плотная авторегрессионная модель семейства Llama с 3,4 млрд параметров, предназначенная для генерации текста и ответов в диалоговых и инструкционных сценариях. Модель принимает текст и генерирует текст; её контекстное окно составляет 4096 токенов. В карточке указаны библиотека Transformers и формат PyTorch. Данные не подтверждают отдельную специализацию по языкам или прикладным областям. Basilisk 4B подойдёт для прототипирования текстовых ассистентов, генерации ответов и экспериментов с инструкционными запросами. Качество может ограничиваться размером модели и зависеть от языка и сложности задачи; подробных оценок качества в карточке нет. Сведения о лицензии отсутствуют в предоставленных данных.

claude2-alpaca-7B — авторегрессионная языковая модель на архитектуре Transformer, разработанная лабораторией Tianyi Zhou в Университете Мэриленда. Модель содержит 6,6 млрд параметров и получена дообучением meta-llama/Llama-2-7b на данных claude2_alpaca с форматом запросов Stanford Alpaca. Она предназначена для генерации текста в диалогах и экспериментов с большими языковыми моделями и чат-ботами. Модель принимает текст и генерирует текст на английском языке; длина контекста составляет до 4096 токенов. Авторы сообщают о более высоком среднем результате по сравнению с Llama 2 Chat, однако представленная таблица результатов неполная, поэтому это заявление нельзя независимо оценить по карточке. Для использования действует лицензия Llama 2 Community License Agreement.

DataDecide-dolma1_6plus-1B-52500_55000_57500_60000_62500_weightedavg_merge — объединённая предобученная языковая модель на базе архитектуры Llama, созданная с помощью mergekit. В неё сведены чекпойнты dolma1_6plus с шагов обучения 52500, 55000, 57500, 60000 и 62500; базовым при линейном слиянии указан чекпойнт шага 62500. Модель содержит 1,2 млрд параметров, принимает текст и генерирует текст. Она предназначена для задач генерации текста; заявленная длина контекста — 2048 токенов. Карточка не уточняет специализацию по предметной области или языкам. В репозитории используются веса Safetensors, модель рассчитана на Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

Deacon-3B — языковая модель семейства Llama, разработанная Knut Jaegersberg и дообученная на отфильтрованных с помощью ИИ поднаборах датасетов Dolphin и EvolInstruct V2. Модель предназначена для генерации текста и выполнения инструкций в диалоговом формате. Модель содержит 3,3 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. В README приведён пример запроса к ассистенту по теме дообучения языковых моделей. Разработчик отмечает, что модель явно не настраивалась на заданную систему ценностей. Репозиторий распространяется по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства, но не коммерческое использование.

Havenlon Execution Boundary — Qwen35 2B — компактная языковая модель Havenlon на архитектуре Qwen3.5 с 1,7 млрд параметров. Она предназначена для локальных и нетребовательных к ресурсам сценариев, где агенту нужно рассуждать о действиях, условиях выполнения, доказательствах и ограничениях исполнения. Модель обучена концепциям контроля исполнения: намерение и авторизация сами по себе не означают, что действие следует выполнить; неизвестные, отсутствующие, просроченные или противоречивые условия должны оставаться явными. Модель может использоваться для экспериментов с помощниками по политике исполнения, компактными агентами, анализом свидетельств и объяснением структурированных решений в ограниченных средах автоматизации. Поддерживает текстовую генерацию и чат, имеет контекстное окно 262 144 токена. README не указывает лицензию. Разработчик подчёркивает, что модель не должна быть окончательным механизмом принудительного контроля: полномочия на исполнение должны оставаться отделёнными от рассуждений модели.

MaziyarPanahi/Experiment28T3q_Experiment27Inex12 — объединённая модель семейства Mistral, созданная из automerger/Experiment28T3q-7B и automerger/Experiment27Inex12-7B. Она предназначена для генерации текста и имеет 7,1 млрд параметров с контекстом до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специализированные сценарии, языки или сравнительные преимущества модели. Её можно использовать для генерации текста общего назначения, учитывая, что качество ответов и особенности объединения моделей в карточке не раскрыты.

FastApply-1.5B-v1.0-GGUF — это GGUF-квантизированная версия текстовой генеративной модели Kortix/FastApply-1.5B-v1.0, подготовленная пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и локального запуска через совместимые средства, включая LM Studio. В README указан английский язык и формат взаимодействия с системным сообщением, пользовательским запросом и ответом ассистента. Модель относится к классу примерно 1,5-миллиардных моделей; точная архитектура и размер контекста не указаны, однако среди тегов упоминается Qwen2. Доступны варианты GGUF с разными уровнями квантизации — от F16 до Q2_K, включая Q4, Q5, Q6 и Q8, что позволяет выбирать между качеством, размером файла и требованиями к памяти. Более высокие варианты обеспечивают лучшее качество, а низкие подходят для устройств с ограниченными ресурсами, но могут заметно уступать по качеству. Некоторые варианты оптимизированы для ARM и требуют поддержки SVE или i8mm; они не предназначены для Mac или Windows. Лицензия модели — Apache-2.0.

Модель lgaalves/gpt2-xl_lima разработана Luiz G A Alves и представляет собой авторегрессионную GPT-2 XL, дообученную на инструкционном наборе GAIR/lima. Она предназначена для генерации текста по запросу и выполнения инструкций на английском языке; её можно использовать напрямую через Transformers или дообучать для прикладных задач. Модель содержит около 1,5 млрд параметров и поддерживает контекст до 1024 токенов. В опубликованных тестах её средний результат близок к базовой GPT-2 XL; оценка ARC немного выше, а HellaSwag немного ниже базовой модели. Лицензия — MIT. Разработчик предупреждает, что модель тестировалась ограниченно, может выдавать недостоверную информацию и воспроизводить предвзятости из неотфильтрованных интернет-данных.

Grok 4.20 — модель для рассуждений, представленная SpaceXAI. В карточке заявлены высокая скорость, вызов инструментов в агентных сценариях, низкий уровень галлюцинаций и точное следование инструкциям. Этих сведений недостаточно, чтобы установить поддерживаемые задачи по входным данным, архитектуру, размер, модальности, языки или длину контекста. Метаданные каталога относят модель к задаче image-text-to-text, однако README не объясняет её работу с изображениями. Дата публикации на Hugging Face — 31 марта 2026 года; сведения о лицензии отсутствуют.

Haary/haryra-7b-llama2-id — текстовая генеративная модель семейства Llama, опубликованная Haary. В README указано, что это версия Ichsan2895/Merak-7B-v3, полученная с использованием QLoRA; каталожные метаданные описывают архитектуру как плотную LlamaForCausalLM и указывают 6,6 млрд параметров. Модель предназначена для генерации текста. Она работает через Transformers, распространяется в формате safetensors и имеет контекстное окно 4096 токенов. README не уточняет языки и конкретные сценарии применения. Модель основана на Ichsan2895/Merak-7B-v3. Указана лицензия llama2; условия её применения определяются этой лицензией.

Huihui-Qwen3-4B-Instruct-2507-abliterated — диалоговая языковая модель huihui-ai, созданная методом abliteration на основе Qwen/Qwen3-4B-Instruct-2507. Это экспериментальная версия с ослабленными механизмами отказа: она предназначена для генерации текста и ответов на инструкции в приложениях, использующих Transformers или Ollama. Модель имеет плотную архитектуру Qwen3ForCausalLM и около 3,7 млрд параметров; заявленная длина контекста — 262 144 токена. Ослабление отказов может привести к генерации чувствительных, спорных или неуместных ответов, поэтому результаты требуют проверки. Автор характеризует метод как грубую реализацию для проверки концепции. Модель распространяется по лицензии Apache-2.0.

Inex12Yam-7B — автоматически объединённая модель генерации текста, созданная Maxime Labonne с помощью mergekit. Она объединяет MSL7/INEX12-7b и mayacinka/yam-jom-7B методом SLERP с разными коэффициентами смешивания для слоёв self-attention и MLP. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Лицензия — Apache-2.0. Карточка не описывает специализацию по предметным областям или языкам и не приводит результаты оценки качества.

InnerI-AI-merge-7B-slerp — слитая модель для генерации текста, созданная с помощью LazyMergekit из paulml/OGNO-7B и AiMavenAi/AiMaven-Prometheus. В основе лежит плотная архитектура Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; веса представлены в формате safetensors. Модель предназначена для генерации текста по текстовому запросу. В README описан метод слияния SLERP с настройками для слоёв self-attention и MLP. Карточка приводит среднее значение loss 1,013, но не описывает отдельные сценарии использования или языковую специализацию. Лицензия в предоставленных данных не указана. Качество и пригодность для конкретных задач не подтверждены сведениями о бенчмарках или развернутых применениях.

Instruct_Llama70B_Dolly15k — авторегрессионная языковая модель на архитектуре Llama 2, дообученная Brillibits методом QLoRA на датасете Databricks Dolly 15k. Модель предназначена для выполнения инструкций и генерации текста на английском языке, например для написания стихотворений и ответов на запросы с контекстом и без него. Обучение проводилось в течение 1,5 эпох; README сообщает об окне контекста 1024 токена, а метаданные Hugging Face — о native context в 4096 токенов. В репозитории около 68,7 млрд параметров, веса представлены в форматах PyTorch и Safetensors. Модель подходит для экспериментов с инструктивной генерацией и адаптации языковой модели к пользовательским задачам. README приводит результаты оценки на ARC и HellaSwag. Используется лицензия Llama 2; перед применением следует учитывать её условия. Модель унаследовала ограничения базовой Llama 2 и может выдавать неточные или неподходящие ответы.

LaMini-Cerebras-1.3B — языковая модель MBZUAI из серии LaMini-LM, дообученная на Cerebras-GPT-1.3B на 2,58 млн примеров набора LaMini-instruction. Она предназначена для генерации ответов на инструкции, сформулированные на естественном языке. Модель имеет архитектуру GPT-2 с 1,3 млрд параметров и контекст до 2048 токенов. Модель принимает текстовые инструкции и генерирует текст. В README рекомендовано использовать тот же текстовый шаблон, что применялся при дообучении, для получения лучших результатов. Указанный в метаданных язык — английский. Модель опубликована под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование.

AvoCahDoe/llama-2-13b-rlmpq-high-fidelity — вариант Llama 2 13B, подготовленный методом RL-MPQ (Reinforcement Learning Mixed-Precision Quantization) для сценария High Fidelity. Это плотная авторегрессионная модель архитектуры LlamaForCausalLM с 12,9 млрд параметров и контекстом 4096 токенов, предназначенная для генерации и продолжения текста на английском языке. Средняя точность составляет 6,7 бита на вес; веса экспортированы в fake-quantized FP16 и доступны в формате safetensors для использования с Transformers. README указывает на проверку качества по perplexity на WikiText-2, но не приводит результат для этого сценария. Модель основана на meta-llama/Llama-2-13b-hf и распространяется по лицензии Llama 2.

QuixiAI выпустила Llama-3-8B-Instruct-abliterated-v2 — разговорную текстовую модель на архитектуре Llama 3 с 7,5 млрд параметров и контекстом до 8192 токенов. Это ортогонализованная версия meta-llama/Llama-3-8B-Instruct: веса изменены, чтобы снизить склонность модели отказываться от ответов. Разработчики сообщают, что использовали больше данных для определения направления отказа и что эта версия отвечает прямее и короче предыдущей. Модель предназначена для генерации текста в диалогах и ответов на запросы через библиотеку Transformers. Она может по-прежнему отказываться отвечать на некоторые запросы; авторы также предупреждают о возможных побочных эффектах и называют методику новой и непроверенной. Репозиторий содержит веса в формате safetensors. Указана лицензия Llama 3; перед использованием следует соблюдать её условия.

yyh0901/lloma_step200 — причинная языковая модель семейства Llama, опубликованная пользователем yyh0901. По конфигурации это плотная decoder-only модель с архитектурой LlamaForCausalLM и примерно 6,6 млрд параметров. Карточка указывает на увеличенное окно контекста до 65 536 токенов с динамическим масштабированием RoPE. Модель предназначена для генерации текста и продолжения текстовых запросов. В конфигурации указан путь к исходной модели meta-llama/Llama-2-7b-hf; название lloma_step200 также предполагает сохранение на шаге 200, но README не объясняет назначение этого шага или результаты обучения. Поэтому качество и пригодность для конкретных сценариев по карточке оценить нельзя. Модель принимает текст и генерирует текст; отдельные языки в карточке не заявлены. Файлы представлены в формате safetensors. Лицензия — Apache-2.0.