II.2Создание и понимание программного кода

tiledfloor-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная MaziyarPanahi слиянием Mistral-7B-Instruct-v0.2 и Ansoi/tiledfloor методом SLERP. Она предназначена для генерации текста и ответов на инструкции в формате чата. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не описывает специализированные области применения или дополнительные языки.

bartowski/TQ2.5-14B-Neon-v1-GGUF — это набор GGUF-квантизаций текстовой генеративной модели TQ2.5-14B-Neon-v1, разработанной allura-org. Квантизации подготовлены bartowski с помощью llama.cpp и метода imatrix. Модель предназначена для генерации текста и может использоваться локально, в том числе через LM Studio, на совместимом CPU или GPU. Доступны варианты от F16 до низкобитных IQ- и Q-квантизаций размером примерно от 5 до 29,55 ГБ. Наиболее качественными считаются F16, Q8_0, Q6_K_L, Q6_K и Q5; Q4_K_M указан как вариант по умолчанию для большинства сценариев благодаря балансу качества и размера. Низкобитные варианты требуют меньше оперативной памяти, но могут заметно уступать по качеству. Для взаимодействия используется шаблон чата с ролями system, user и assistant. В карточке указано, что модель поддерживает английский язык и относится к задаче text-generation. Архитектура, максимальный размер контекста, точное число параметров исходной модели и дополнительные модальности не указаны; по названию можно заключить только, что базовая модель относится к классу 14B. Модель распространяется по лицензии Apache-2.0.

Tulu V2.5 DPO 13B HH-RLHF — англоязычная диалоговая модель-помощник от Allen Institute for AI (AI2), основанная на Tulu 2 и дообученная методом DPO на наборе предпочтений HH-RLHF. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров; она принимает текст и генерирует текст, поддерживает диалоги и имеет контекст до 4096 токенов. Модель предназначена для ответов на инструкции и ведения диалога с помощником. В README описаны предварительное обучение на смеси инструкций и диалогов Tulu V2, затем выравнивание на HH-RLHF с помощью DPO. Для неё указана лицензия Apache 2.0. Модель не проходила этап RLHF с целью обеспечить безопасные ответы и не использует фильтрацию ответов во время работы; поэтому может выдавать проблемный контент, особенно при соответствующих запросах. Для лучшего качества следует использовать предусмотренный шаблон чата, включая перенос строки после маркера пользователя.

Venomia-1.1-m7-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, полученная слиянием Mistral-7B-Instruct-v0.2 и Sao10K/Venomia-1.1-m7 методом SLERP. Модель разработана на базе Mistral и содержит 7,1 млрд параметров; поддерживает контекст до 32 768 токенов и предназначена для генерации текста и ответов на инструкции в формате диалога. Модель подходит для чат-ботов, интерактивных ответов и генерации текста по запросу. Распространяется в формате safetensors, лицензия — Apache-2.0. Данные карточки не описывают конкретные целевые языки или специализированные области применения.

Violet-Lyra-Gutenberg — языковая модель для генерации текста, собранная автором репозитория методом слияния нескольких моделей на базе Mistral-Nemo. Она содержит 12,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 131 072 токенов. Веса сохранены в формате safetensors. Модель предназначена для диалоговой генерации и продолжения текста; в карточке рекомендованы форматы промптов ChatML или MistralNemo. Слияние выполнено методом della_linear с объединённым токенизатором; в состав вошли Grey-12b, Violet_Twilight-v0.2, Lyra-Gutenberg-mistral-nemo-12B и mistral-nemo-gutenberg-12B-v4, с базой Mistral-Nemo-Base-2407. Автор оценивает результат как особенно удачный среди использованных им моделей Nemo. В README не приведены результаты независимых оценок качества или подтверждённый перечень языков. Лицензия в предоставленных данных не указана.

YamshadowInex12_T3qm7xStrangemerges_32 — слитая модель семейства Mistral, созданная из automerger/YamshadowInex12-7B и automerger/T3qm7xStrangemerges_32-7B. Она предназначена для генерации текста и может использоваться в приложениях с текстовым вводом и текстовыми ответами. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает специальные области применения, языковую специализацию или результаты оценки качества, поэтому пригодность для конкретных сценариев следует проверять самостоятельно.

YamshadowStrangemerges_32_Strangemerges_32M7 — объединённая модель на архитектуре Mistral, созданная из automerger/YamshadowStrangemerges_32-7B и automerger/Strangemerges_32M7-7B. Репозиторий указывает на слияние этих моделей; число параметров составляет 7,1 млрд, формат весов — safetensors, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалога. Она принимает текстовые запросы и выдаёт текст. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает специальные предметные области или дополнительные возможности модели.

AI21-Jamba-Mini-1.7-GGUF — это квантованная версия языковой модели AI21-Jamba-Mini-1.7, разработанной AI21 Labs и подготовленной пользователем bartowski в формате GGUF. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты. В репозитории представлены варианты от BF16 до низкобитных квантований Q8, Q6, Q5, Q4 и Q3, включая форматы IQ. Размер файлов составляет примерно от 21 до 103 ГБ; более крупные варианты обычно обеспечивают лучшее качество, а компактные требуют меньше оперативной памяти. Для работы необходимо использовать указанный шаблон промпта со специальными токенами системного, пользовательского и ассистентского сообщений. README не содержит сведений об архитектуре, количестве параметров, поддерживаемых языках, модальностях и размере контекста, поэтому эти характеристики нельзя достоверно определить по представленным данным. Сильной стороной модели является широкий выбор квантований для различных аппаратных ограничений и совместимость с популярными инструментами локального инференса. При этом качество и требования к памяти зависят от выбранного варианта, а низкобитные версии могут заметно уступать более точным. Модель распространяется по лицензии Jamba Open Model License; для точных условий следует обращаться к тексту лицензии AI21 Labs.

aquif-3.5-8B-Think-GGUF — это квантизированная версия текстовой генеративной модели aquif-3.5-8B-Think, разработанной aquif-ai и подготовленной пользователем bartowski в формате GGUF. Модель предназначена для локального запуска и генерации текста через llama.cpp, LM Studio и другие совместимые проекты. Из доступных данных известно, что исходная модель имеет размер 8B параметров и поддерживает текстовую генерацию. Архитектура, языки, размер контекста, обучающие данные и специализированные сценарии применения не указаны. Доступны варианты от BF16 до различных уровней квантизации Q8, Q6, Q5, Q4, Q3 и Q2, включая imatrix-квантизации. Старшие варианты обеспечивают более высокое качество, а младшие требуют меньше оперативной памяти, но сильнее теряют в качестве. Сильная сторона модели — широкий выбор файлов для подбора баланса между качеством, размером и требованиями к оборудованию; для большинства сценариев рекомендуется Q4_K_M, а варианты Q5 и Q6 позиционируются как высококачественные. Ограничения включают отсутствие в README сведений о формате промптов, языковой поддержке, контекстном окне и результатах оценки. Лицензия в предоставленных данных не указана.

Aura Revived Base — языковая модель для генерации текста, созданная автором jeiku слиянием моделей Undi95/Llama3-Unholy-8B-OAS и failspy/Llama-3-8B-Instruct-MopeyMule. Для объединения использован метод SLERP через mergekit; архитектура — плотная LlamaForCausalLM семейства Llama 3, размер — 7,5 млрд параметров. Модель предназначена для диалоговой генерации текста и ответов на запросы. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Метаданные базовой модели указывают на ориентированность семейства на английский язык. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о лицензии и специальные ограничения применения в предоставленных материалах отсутствуют.

Aurora-Borealis-LLaMa-70B — экспериментальная объединённая языковая модель от автора Tarek07, созданная с помощью mergekit из нескольких моделей семейства LLaMa. В README описан метод слияния DARE TIES с градиентной настройкой влияния компонентов; базой указана TareksLab/MO-MODEL6-V0.1-LLaMa-70B. Архитектура — плотная авторегрессионная LLaMaForCausalLM, размер — 69,5 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Автор описывает её как эксперимент со слиянием специализированных моделей; README рекомендует температуру 1,0, Min P 0,02 и запускать квантованные варианты не ниже Q5. Доступны веса safetensors. Лицензия — llama3.3.

BA-Zephyria-39b — экспериментальная текстовая модель SteelStorage на архитектуре Mistral, созданная на основе unsloth/Mistral-Small-Instruct-2409. В README описана схема с 55 слоями: начальные и конечные слои сохранены, а средний блок из 23 слоёв продублирован; заявленный размер модели — 38,8 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для диалогов и генерации текста в широком спектре задач. Метаданные указывают поддержку интерфейса вызова функций. README предупреждает, что веса слоёв down_proj и o_proj обнулены и требуют восстановления, поэтому качество работы может быть нарушено. Репозиторий использует формат safetensors; лицензия в предоставленных данных не указана.

Bonsai-1.7B-GGUF — компактная языковая модель, разработанная Prism ML и представленная в формате GGUF для llama.cpp. Она предназначена для генерации текста, локальных чат-ботов и других сценариев инференса на устройствах с ограниченными ресурсами, включая компьютеры, смартфоны и планшеты. Поддерживаются вычисления через CUDA, Metal, CPU, а также интеграция с платформами Android, iOS и macOS. Модель содержит 1,7 млрд параметров, из которых около 1,4 млрд не относятся к embedding-слою, и использует плотную архитектуру на базе Qwen3-1.7B: 28 блоков Transformer-декодера, GQA с 16 query- и 8 KV-головами, SwiGLU, RoPE и RMSNorm. Контекстное окно составляет 32 768 токенов, размер словаря — 151 936 токенов. Все основные компоненты, включая embeddings, проекции внимания и MLP, а также LM head, представлены в 1-битном формате GGUF Q1_0 с размером группы 128. Развёрнутый объём весов составляет около 0,24 ГБ, что значительно снижает требования к памяти и ускоряет инференс. К сильным сторонам относятся очень малый размер, кроссплатформенность и возможность локального запуска практически на любом устройстве. Ограничения связаны с небольшим размером модели и агрессивным 1-битным квантованием, которые могут снижать качество, точность и устойчивость по сравнению с полноразмерными моделями в FP16; конкретные поддерживаемые языки в карточке не указаны. Модель распространяется по лицензии Apache 2.0.

code-daemon-denoise-v1 — двуязычный фильтр словаря, созданный автором репозитория на основе intfloat/multilingual-e5-small. Он оценивает отдельную словоформу как полезный технический термин или лишний элемент поискового словаря, чтобы очищать лексику, собранную из кода, документации, комментариев и сообщений коммитов. Модель подходит для английских и русских текстов в программных корпусах и рассчитана на пакетную обработку коротких однословных входов. В основе — замороженный энкодер семейства XLM-RoBERTa с архитектурой BertModel и 384-мерными нормализованными эмбеддингами; поверх него обучена логистическая регрессия, сведённая к одному аффинному преобразованию. В README описаны варианты ONNX, OpenVINO, TensorRT и другие сборки; метаданные указывают 124,3 млн параметров, контекст 512 токенов и лицензию Apache-2.0. Для корректной оценки необходимо добавлять префикс «vocab: »; README рекомендует порог strip_threshold 0,95 и указывает, что модель не предназначена для предложений, языков вне латиницы и кириллицы или терминологии за пределами программной области.

Citaman/command-r-36-layer — объединённая автором Citaman языковая модель на архитектуре Cohere с 31,7 млрд параметров. Репозиторий создан 15 апреля 2024 года; веса опубликованы в формате Safetensors для использования с Transformers. Модель предназначена для генерации текста и диалогов, также заявлен интерфейс вызова инструментов. Модель получена слиянием SLERP на основе Citaman/command-r-37-layer: использованы диапазоны слоёв [0, 36] и [1, 37] одной базовой модели. Контекст составляет 8192 токена. README не уточняет языки и специализированные предметные области; из доступных данных нельзя заключить, насколько хорошо реализован вызов инструментов или каково качество ответов. Лицензия в предоставленных данных не указана.

nicolasembleton/context-1-GGUF — это набор GGUF-квантизированных версий модели Context-1, первоначально разработанной Chroma. Сборки предназначены для запуска через llama.cpp, LM Studio, llama-cpp-python и другие совместимые движки, включая локальный инференс и приложения, поддерживающие формат GGUF. Context-1 — каузальная языковая модель для генерации текста с архитектурой GptOssForCausalLM и Mixture-of-Experts. Она содержит около 20,9 млрд параметров, из которых при обработке каждого токена активны примерно 3 млрд: выбираются 4 из 32 экспертов. Размер скрытого представления составляет 2880. В карточке указана поддержка английского языка и текстовый сценарий применения; сведения о длине контекста и мультимодальности отсутствуют. Ключевое преимущество модели — сочетание большого общего числа параметров с меньшим числом активных параметров на токен, что может повысить эффективность инференса. Квантизация выполнена из весов F16 с использованием calibration imatrix; доступны варианты K-quant и I-quant. При этом квантизация может снижать точность по сравнению с исходной моделью, а требования к памяти и производительности зависят от выбранного варианта. Модель распространяется по лицензии Apache-2.0.

DeepSeek V4 Flash 0731 Vision (BF16) — экспериментальная мультимодальная модель, разработанная WebBrain на базе текстовой модели DeepSeek-V4-Flash-0731. Она объединяет языковую и агентную основу DeepSeek с замороженным визуальным энкодером MoonViT-3d, извлечённым из Kimi-K2.6, и обученным WebBrain проектором PatchMerger с routing bridge. Модель предназначена для browser agents и других сценариев, где требуется анализ визуального состояния веб-страниц: скриншотов, графиков, панелей управления, редакторов и элементов интерфейса. Архитектура использует проектор LayerNorm → объединение патчей 2×2 → Linear(4608, 4608) → GELU → Linear(4608, 4096). Поддерживается один маркер изображения <image> и не более 512 объединённых image-токенов. Текстовая часть сохранена без изменений и использует исходные конфигурацию DSpark/MTP и метаданные FP8; добавленные vision tower и projector содержат BF16-тензоры. Модель рассчитана на работу через внешний пакет модели и процессора DeepSeek/MoonViT и специальную интеграцию SGLang, а не через стандартные Transformers или стандартный SGLang. Сильными сторонами являются использование производительной текстовой основы DeepSeek, визуальное понимание веб-интерфейсов и сохранение исходных текстовых весов и их метаданных. Ограничения включают экспериментальный статус интеграции, необходимость применять указанный патчированный стек SGLang, поддержку только одного маркера изображения и отсутствие повторной полной проверки запуска на GPU и генерации изображений именно для этой собранной версии. В карточке указана лицензия other; дополнительные условия использования не приведены.

Exodia-7B — разговорная языковая модель на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Карточка описывает её как результат слияния нескольких моделей, призванный объединить их сильные стороны и снизить слабые стороны; конкретные исходные модели и разработчик в README не названы. Модель предназначена для генерации текста и диалогового взаимодействия, включая ответы с учётом контекста и работу с разными типами запросов. Доступны веса PyTorch. Лицензия — MIT. README заявляет широкую применимость и повышенное покрытие знаний, но не приводит оценок, тестов или конкретных примеров, подтверждающих эти заявления. Указанные характеристики не подтверждают поддержку изображений, аудио или других нетекстовых входов.

Experiment26Neuralsirkrishna_Strangemerges_30Experiment28 — объединённая модель семейства Mistral, созданная на основе automerger/Experiment26Neuralsirkrishna-7B и automerger/Strangemerges_30Experiment28-7B. Она предназначена для генерации текста и диалогов. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает конкретные языки, специализированные области или результаты оценки качества, поэтому их нельзя надёжно определить.

MaziyarPanahi/Experiment26Neuralsirkrishna_YamStrangemerges_32 — объединённая автором репозитория модель Mistral для генерации текста и диалогов. Она содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Модель объединяет automerger/Experiment26Neuralsirkrishna-7B и automerger/YamStrangemerges_32-7B. Модель предназначена для генерации продолжений текста и диалоговых ответов на входные текстовые запросы. Язык применения по имеющимся сведениям не установлен. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0.

Experiment26Yam_Experiment27Experiment28 — объединённая языковая модель семейства Mistral, созданная на основе automerger/Experiment26Yam-7B и automerger/Experiment27Experiment28-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и распространяется в формате safetensors. Модель предназначена для генерации текста и принимает текстовые запросы, формируя текстовые ответы. Максимальная длина контекста составляет 32 768 токенов. В карточке не описаны специализация по языкам или прикладным областям, а также сравнительное качество модели. Лицензия — Apache-2.0.

Experiment28M7_ShadowMeliodas — объединённая модель на базе архитектуры Mistral, созданная из automerger/Experiment28M7-7B и automerger/ShadowMeliodas-7B. Она предназначена для генерации текста и диалогов; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

Experiment28M7_ShadowNeuralsirkrishna — объединённая текстовая модель семейства Mistral, созданная из automerger/Experiment28M7-7B и automerger/ShadowNeuralsirkrishna-7B. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Данные о конкретных языках и специализированных областях применения не приведены.

MaziyarPanahi/Experiment28T3q_Experiment24Experiment26 — объединённая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана слиянием automerger/Experiment28T3q-7B и automerger/Experiment24Experiment26-7B. Модель предназначена для генерации текста. Контекстное окно составляет 32 768 токенов; репозиторий содержит веса в формате safetensors. Модель подходит для диалогов и других сценариев генерации текста, однако README не описывает отдельные специализации или сравнительные результаты. Лицензия — Apache-2.0. Поскольку модель является экспериментальным слиянием, качество может зависеть от задачи и настроек генерации.

MaziyarPanahi/Experiment28T3q_ShadowYam — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/Experiment28T3q-7B и automerger/ShadowYam-7B. Модель содержит 7,1 млрд параметров и принимает текст для авторегрессионной генерации текста; поддерживает контекст до 32 768 токенов. Модель предназначена для генерации продолжений и ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors. Языки и специализированные области применения в карточке не указаны. Лицензия — Apache-2.0.

FofoNet-CatDolphin-PPT-slerp — языковая модель для генерации текста, созданная слиянием CatPPT-base и dolphin-2.6-mistral-7b-dpo-orca-v2 методом slerp с помощью LazyMergekit. Она предназначена для генерации ответов и диалогового взаимодействия на основе текстовых запросов. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Карточка не сообщает о специализированных областях применения или языках. Лицензия в предоставленных данных не указана.

MCZK/Gemma-2-9B-It-SPPO-Iter3-GGUF — это версия модели Gemma-2-9B-It-SPPO-Iter3, разработанной UCLA-AGI, преобразованная в формат GGUF. Модель предназначена для генерации текста и диалоговых сценариев с использованием instruction-tuned версии Gemma 2. В метаданных указан английский язык и набор данных openbmb/UltraFeedback. Модель имеет около 9 млрд параметров; исходная архитектура относится к семейству Gemma 2, а вариант SPPO-Iter3, согласно идентификатору, получен на третьей итерации оптимизации методом SPPO. Для K-квантизованных вариантов применена iMatrix-квантизация. Текст iMatrix подготовлен на основе c4_en_ja_imatrix.txt из набора TFMC/imatrix-dataset-for-japanese-llm. Формат GGUF подходит для локального запуска в совместимых инструментах, однако конкретные требования к памяти, размер контекста, поддерживаемые модальности и результаты бенчмарков в README не указаны. Лицензия обозначена как gemma. README не содержит подробностей о сильных сторонах, ограничениях, допустимых сценариях коммерческого использования или точных параметрах отдельных вариантов квантизации, поэтому эти характеристики требуют дополнительной проверки.

Helion-4x34B — разговорная языковая модель, опубликованная Weyaxi и собранная как модель типа Mixture of Experts (MoE). В метаданных указаны 33,9 млрд параметров, контекст до 200 000 токенов и формат safetensors; модель предназначена для генерации текста в диалоге. В README приведены шаблоны запросов ChatML, Alpaca, Vicuna и Human Assistant, но автор отмечает, что не определил предпочтительный шаблон. Модель можно применять для диалоговых ответов и генерации текста. В README указана лицензия other в метаданных; её конкретные условия здесь не описаны. Автор ссылается на bagel-dpo-34b-v0.2 и предоставляет конфигурацию для воспроизведения, однако точная связь с базовой моделью и детали обучения не уточнены.

Locutusque/Hyperion-2.1-Mistral-7B — дообученная версия Locutusque/Hyperion-2.0-Mistral-7B на более высокой скорости обучения. Автор сообщает о небольшом приросте производительности; модель основана на плотной архитектуре MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста. В карточке указано, что она очень охотно выполняет запросы и не отказывает, поэтому перед применением, особенно в корпоративной среде, автор рекомендует дополнительно выровнять её с помощью DPO. Поддержка английского указана в метаданных. Модель опубликована в формате safetensors под лицензией Apache-2.0.

J.A.R.V.I.S. Titan V12 MoE Merged Baseline — объединённая самостоятельная модель Dhanesh на архитектуре DeepSeekMoE, сочетающая MoE-бэкбон и адаптированные экспертные слои V12. В метаданных указано 7,1 млрд параметров, архитектурный класс JarvisTitanMoEForCausalLM, формат safetensors и контекст до 32 768 токенов; README при этом указывает бэкбон 14,8 млрд параметров. Модель предназначена для генерации текста в диалоговом режиме. Лицензия обозначена как other, поэтому конкретные условия использования следует проверять в файлах репозитория.