II.2Создание и понимание программного кода

0x01-8x7B-hf — слитая языковая модель семейства Mixtral, опубликованная rAIfle. Автор описывает её как многоэтапное слияние нескольких моделей с разными весами и методами; модель предназначена для генерации текста. В метаданных указаны архитектура MixtralForCausalLM с механизмом Mixture of Experts, 7,1 млрд параметров и контекст до 32 768 токенов. Автор сообщает, что модель показала приемлемые результаты при использовании рекомендованных настроек, однако конкретные сценарии и языки не описаны. Репозиторий содержит веса в формате safetensors; также перечислены отдельные квантованные версии GGUF и exl2. Лицензия в предоставленных данных не указана.

72B-Qwen2.5-Kunou-v1-GGUF — это набор GGUF-квантизаций текстовой генеративной модели 72B-Qwen2.5-Kunou-v1, подготовленный пользователем bartowski на основе модели Sao10K. Квантизация выполнена с помощью llama.cpp и метода imatrix; файлы предназначены для локального запуска, в том числе через LM Studio, с использованием формата чата Qwen2.5. Модель предназначена для генерации текста и диалоговых сценариев. Исходя из названия и указанных данных, она имеет около 72 миллиардов параметров и работает с текстовой модальностью. Сведения о языках, длине контекста, точной архитектуре и специализированных задачах в README не приведены. Доступны варианты квантизации от Q8_0 до Q2_K с размером файлов примерно от 29,81 до 77,26 ГБ, что позволяет выбирать между качеством и требованиями к памяти. В README рекомендуются, в частности, Q6_K, Q5_K_M, Q5_K_S и варианты Q4. Сильной стороной являются большой размер модели и широкий выбор квантизаций, включая варианты, оптимизированные для отдельных ARM-конфигураций. Ограничения связаны с высокими требованиями к оперативной памяти и заметным снижением качества у наиболее компактных вариантов; некоторые сборки не предназначены для Mac или GPU. Лицензия указана как other с названием qwen; ссылка ведёт на лицензию Qwen/Qwen2.5-72B-Instruct.

Это квантованная в формате GGUF BF16 версия ai-sage/GigaChat3-702B-A36B-preview-bf16, подготовленная DevQuasar. Модель предназначена для генерации текста в диалоговом режиме и может использоваться в чат-приложениях и локальных средах, поддерживающих GGUF. Размер модели, поддерживаемые языки и длина контекста в предоставленных сведениях не указаны. Лицензия также не приведена, поэтому условия использования следует проверять в репозитории базовой модели и самой модели.

bruphin-eta — языковая модель на архитектуре Mistral, созданная nbeerbower слиянием предварительно обученных моделей nbeerbower/bruphin-epsilon и jondurbin/bagel-dpo-7b-v0.4 методом SLERP с помощью mergekit. Модель содержит 7,1 млрд параметров и принимает текстовые запросы для генерации продолжений и диалоговых ответов. Модель рассчитана на генерацию текста и чат-сценарии. Её контекстное окно составляет до 32 768 токенов; веса опубликованы в формате Safetensors. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит конкретных языков, специализированных областей или оценок качества.

Claude 3 Haiku — компактная и наиболее быстрая модель семейства Claude 3, разработанная компанией Anthropic. Она предназначена для сценариев, где важны почти мгновенная реакция и точное выполнение специализированных запросов. Модель заявлена как мультимодальная, однако в доступных данных не приведены сведения о конкретных поддерживаемых модальностях, архитектуре, размере, языках, длине контекста или лицензии. README также не содержит подробного описания ограничений и условий использования.

vishnun/codenlbert-sm — компактная модель классификации текста на основе BERT, дообученная разработчиком для различения кода и естественного языка. Она рассчитана на классификацию входного текста как кода или обычного языка, например при анализе смешанных текстовых данных. Модель содержит 32,4 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. В карточке приведены метрики обучения на трёх эпохах, включая точность около 99,7%; эти значения относятся к указанной разработчиком оценке и не гарантируют такой же результат на других данных. Для модели указаны английский язык и набор данных CodevsNL. Условия лицензирования в предоставленных материалах не описаны.

Darwin-27B-RSI — плотная языковая модель семейства Qwen3.5, разработанная FINAL-Bench как версия Darwin-27B-Opus после рекурсивного самоулучшения. Модель дообучалась на собственных решениях: человеческие ответы и цепочки рассуждений не использовались, а корректность автоматически проверялась по согласованности выборок и выполнению кода. Для модели заявлены 22,3 млрд параметров в метаданных и 27 млрд в README, контекст до 262 144 токенов по метаданным; веса представлены в safetensors, точность BF16. Лицензия — Apache 2.0. Модель предназначена для генерации текста и диалогов с режимом рассуждения, в особенности для сложных научных и математических вопросов. В README сообщается об улучшении результатов относительно Darwin-27B-Opus на GPQA Diamond и SuperGPQA, а также о применении модели как движка рассуждений Darwin-27B-JEV. Описанный сценарий предполагает предоставление модели достаточного бюджета токенов для рассуждений. Заявленные улучшения проверены на задачах научного reasoning; перенос этих результатов на другие области не гарантирован. Модель может генерировать длинные рассуждения, что увеличивает задержку; для сценариев с ограничениями по времени рекомендуется ограничивать число генерируемых токенов. README также указывает на пересечение 31 обучающей задачи с набором MMLU в Decision Index.

Модель syarulzaffi/date2format — классификатор текста на базе DistilBERT, обученный с помощью AutoTrain как дообучение syarulzaffi/date2dateformat. Она предназначена для классификации текстового ввода в рамках задачи преобразования даты в нужный формат. В карточке приведены метрики валидации: точность составляет около 93,9%, а macro F1 — около 93,3%. Модель принимает текст и выдаёт метку класса; максимальная длина контекста — 512 токенов. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных сведениях не указана.

TehVenom/Dolly_GPT-J-6b — объединённая модель на основе GPT-J-6B и LoRA-адаптера Dolly, опубликованная для использования возможностей Dolly без зависимости от PEFT. Она предназначена для генерации текста по инструкциям и диалоговых запросов, в сценариях, похожих на Alpaca, но на базе GPT-J вместо LLaMA. В карточке указано, что LoRA обучена samwit на очищенной версии датасета Alpaca; архитектура — плотная авторегрессионная GPT-J, формат весов — PyTorch, контекст — 2048 токенов. Автор README отмечает, что качество модели хорошее, но уступает Alpaca, связывая это с меньшим объёмом предварительного обучения GPT-J-6B по сравнению с LLaMA 7B. Поддерживаемые языки отдельно не указаны. Лицензия в предоставленных данных не указана.

EVA-Qwen2.5-32B-v0.0-GGUF — это текстовая генеративная модель на базе EVA-Qwen2.5-32B-v0.0, разработанной EVA-UNIT-01. Представлена в формате GGUF и предназначена для локального запуска через llama.cpp и совместимые приложения, включая LM Studio. Модель ориентирована на диалоговую генерацию текста, следование инструкциям, написание текстов и roleplay-сценарии. Модель содержит 32 миллиарда параметров; точная архитектура, размер контекста и перечень поддерживаемых языков в README не указаны. Доступны варианты от F16 до различных уровней квантования Q8, Q6, Q5, Q4 и Q3, включая imatrix-квантизации. Более крупные варианты обеспечивают лучшее качество, а компактные требуют меньше оперативной памяти, но могут заметнее терять в качестве. Некоторые варианты оптимизированы для ARM и требуют поддержки SVE или i8mm; они не предназначены для Mac или Windows. Квантизацию выполнил bartowski с использованием llama.cpp и imatrix. Модель распространяется по лицензии Apache-2.0. README не содержит результатов бенчмарков, поэтому фактическое качество в конкретных задачах следует оценивать отдельно.

Experiment26Neuralsirkrishna_Multi_verse_modelYam — объединённая языковая модель семейства Mistral, созданная из automerger/Experiment26Neuralsirkrishna-7B и automerger/Multi_verse_modelYam-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors. Модель предназначена для генерации текста и диалогов. Её контекстное окно составляет до 32 768 токенов. Данных о специализации по языкам или прикладным областям в карточке нет. Модель распространяется по лицензии Apache-2.0.

Experiment26Neuralsirkrishna_Strangemerges_32Strangemerges_30 — объединённая языковая модель семейства Mistral, созданная слиянием automerger/Experiment26Neuralsirkrishna-7B и automerger/Strangemerges_32Strangemerges_30-7B. Она предназначена для генерации текста и диалогов; архитектура — плотная авторегрессионная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Сведения о конкретных языках и специализированных областях применения в предоставленных материалах отсутствуют.

Experiment26Yam_Experiment24Alloyingotneoy — объединённая модель Mistral, созданная слиянием automerger/Experiment26Yam-7B и automerger/Experiment24Alloyingotneoy-7B. Она предназначена для генерации текста и может использоваться в приложениях, которым нужны ответы или продолжения текста на основе запроса. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Весовые файлы представлены в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0.

MaziyarPanahi/Experiment26Yam_Experiment27Shadow — объединённая текстовая модель, созданная на основе automerger/Experiment26Yam-7B и automerger/Experiment27Shadow-7B. Она предназначена для генерации текста по текстовому запросу и может использоваться в диалоговых и других сценариях, требующих продолжения текста. Модель построена на архитектуре Mistral с плотной causal language model, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0.

MaziyarPanahi/Experiment26Yamshadow_Ognoexperiment27Multi_verse_model — объединённая модель для генерации текста, построенная на архитектуре Mistral. Она объединяет модели automerger/Experiment26Yamshadow-7B и automerger/Ognoexperiment27Multi_verse_model-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Данные не описывают конкретную специализацию или языки, поэтому её можно рассматривать как модель общего назначения. Веса опубликованы в формате safetensors, лицензия — Apache-2.0.

Experiment28M7_AlloyingotneoyExperiment28 — объединённая модель MaziyarPanahi на базе двух чекпойнтов automerger: Experiment28M7-7B и AlloyingotneoyExperiment28-7B. Это плотная авторегрессионная языковая модель архитектуры Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специальные области применения или отдельные возможности объединённой модели.

MaziyarPanahi/Experiment28T3q_Multi_verse_modelM7 — текстовая генеративная модель, полученная слиянием двух моделей семейства Mistral: automerger/Experiment28T3q-7B и automerger/Multi_verse_modelM7-7B. Она предназначена для генерации текста по текстовому запросу и работы в сценариях, где требуется языковая модель общего назначения. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Репозиторий указывает лицензию Apache-2.0. README подтверждает слияние указанных моделей, но не приводит их специализацию или результаты оценки качества.

MaziyarPanahi/Experiment28T3q_Strangemerges_30Experiment28 — объединённая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана путём слияния automerger/Experiment28T3q-7B и automerger/Strangemerges_30Experiment28-7B. Модель предназначена для генерации текста и принимает текстовые запросы, выдавая текстовые продолжения. Поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. README и метаданные не описывают специализацию по языкам или конкретные преимущества и ограничения качества.

flammen7-mistral-7B — плотная языковая модель для генерации текста, созданная flammenai слиянием предварительно обученных моделей через SLERP с помощью mergekit. В объединение вошли nbeerbower/flammen6-mistral-7B и nbeerbower/flammen3X; веса опубликованы в формате safetensors и имеют точность bfloat16. Модель построена на архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста. Карточка не уточняет языковую специализацию и сценарии применения, поэтому их нельзя конкретизировать. Лицензия — Apache-2.0.

FrankywestKunai-hermes-1-7b — слитая языковая модель, созданная автором репозитория с помощью mergekit из saishf/West-Hermes-7B и seyf1elislam/KunaiBeagle-Hermes-7b. При слиянии методом passthrough использованы слои 0–19 первой модели и слои 20–31 второй; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для генерации текста по запросу и может использоваться в диалоговых и других текстовых сценариях. Поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

unsloth/gemma-2-27b — версия Gemma 2 с 27,6 млрд параметров, опубликованная Unsloth в формате safetensors и заявленная как напрямую квантизированная до 4 бит с помощью bitsandbytes. Это плотная авторегрессионная языковая модель на архитектуре Gemma2ForCausalLM для генерации текста; метаданные указывают английский язык и контекст до 8192 токенов. Модель можно использовать для продолжения текста и диалоговых сценариев. README Unsloth описывает инструменты и ноутбуки для дообучения моделей, но не приводит отдельной оценки качества именно этой версии. Лицензия — Gemma; применяйте модель в соответствии с её условиями.

bartowski/gemma-2-2b-it-GGUF — набор GGUF-квантизаций модели Gemma 2 2B Instruct, разработанной Google и преобразованной bartowski с использованием llama.cpp и imatrix-калибровки. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и LM Studio. Это текстовая instruction-tuned модель примерно на 2 млрд параметров. Доступны варианты от F32 размером 10,46 ГБ до низкобитных IQ3_M размером 1,39 ГБ, включая Q8_0, Q6_K, Q5_K_M, Q4_K_M и другие форматы. Разные варианты позволяют выбирать компромисс между качеством, скоростью и требованиями к RAM или VRAM; в README рекомендуются, в частности, Q6_K, Q5_K_M и Q4_K_M. Языки, размер контекстного окна и поддержка дополнительных модальностей в предоставленных данных не указаны. Сильными сторонами являются широкий выбор квантизаций, возможность локального запуска и высокая эффективность по памяти по сравнению с полноразмерными весами. Ограничение модели — отсутствие поддержки system prompt; для корректной работы необходимо использовать специальный формат диалога Gemma с маркерами ролей. Модель распространяется по лицензии Gemma; для доступа на Hugging Face требуется ознакомиться и согласиться с лицензией Google.

Gemma-3-27B-Derestricted-i1-GGUF — квантизированная версия модели Nabbers1999/Gemma-3-27B-it-NP-Abliterated, подготовленная и опубликованная mradermacher. Модель предназначена для генерации текста и диалоговых сценариев; в README она также обозначена как vision-модель, поэтому может обрабатывать изображения при наличии совместимого mmproj-файла. Указан английский язык. Модель основана на Gemma 3 с 27 млрд параметров и поставляется в формате GGUF, включая варианты квантизации i1 и imatrix. Доступны уровни от IQ1_S до Q6_K размером примерно от 6,4 до 22,3 ГБ. Квантизации различаются компромиссом между размером, скоростью и качеством: низкие уровни требуют меньше памяти, но могут заметно снижать качество, тогда как i1-Q4_K_S отмечен как оптимальный по соотношению размера, скорости и качества, а i1-Q4_K_M — как быстрый и рекомендуемый вариант. Сильными сторонами являются большой размер базовой модели, поддержка текстовых и визуальных сценариев и широкий выбор квантизаций для локального запуска. Ограничения включают возможное снижение качества при агрессивной квантизации, необходимость совместимого программного обеспечения для GGUF и mmproj-файла для обработки изображений. Лицензия указана как gemma; конкретные условия следует проверять в лицензии Gemma.

Terra3312/GLM-5.3-Flash-EXL3-4bpw-MUL1 — квантизированная версия GLM-5.3-Flash, разработанного Z.ai, созданная с использованием ExLlamaV3. Модель предназначена для эффективного локального вывода, в частности для ускорения однопоточной генерации на крупных MoE-моделях. Она поддерживает задачи генерации текста и рассчитана на работу с ExLlamaV3; заявлены английский и китайский языки. Модель также включает vision-компонент, однако подробности о поддерживаемых визуальных сценариях в README не указаны. Основной языковой блок использует формат EXL3 с точностью 4,0 bpw, vision-компонент и lm_head — 6 bpw, MTP — 4 bpw. Применяется кодовая книга mul1, совместимая с объединённым путём INT8-активаций GEMV в ExLlamaV3. Это может повысить производительность однопоточного декодирования на совместимых GPU и конфигурациях, но фактическая скорость зависит от архитектуры GPU, длины контекста, tensor parallel, версии среды и нагрузки. Размер модели, архитектура MoE в деталях, максимальная длина контекста и точные характеристики мультимодальности не указаны. Для работы требуется полный каталог репозитория и свежая сборка ExLlamaV3 с поддержкой GLM-5.3-Flash и mul1. Контрольные данные квантизации, промпты, seed и точный commit ExLlamaV3 не были сохранены. Это неофициальный релиз Z.ai или ExLlamaV3. Исходная модель распространяется по лицензии MIT; применимые условия следует уточнять в файле LICENSE и оригинальном репозитории.

CalderaAI/Hexoteric-7B — экспериментальная разговорная языковая модель на архитектуре Mistral, созданная CalderaAI. Это сферическое слияние вручную отобранных моделей Mistrel-7B и преемник Naberius-7B; для тестирования инструкций автор рекомендует формат Stanford Alpaca. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и доступна в форматах PyTorch и Safetensors. Модель предназначена для диалогов и генерации ответов на инструкции. Лицензия Apache-2.0 разрешает использование на её условиях. README отмечает ранний статус выпуска и сообщает, что исходные вычислительные ресурсы эксперимента недоступны.

Ice0.54-17.01-RP — объединённая языковая модель на архитектуре Mistral, созданная методом SLERP с помощью mergekit. Репозиторий подготовлен в формате safetensors для использования с Transformers. Модель предназначена для генерации текста. Её можно применять для диалогов, продолжения текста и других задач, основанных на генерации. Размер составляет 7,1 млрд параметров, контекст — до 32 768 токенов. README не уточняет исходные модели, языки, качество или специальные сценарии применения. Лицензия в предоставленных данных не указана.

Ice0.56-17.01-RP — языковая модель на архитектуре Mistral, созданная объединением предварительно обученных моделей с помощью метода SLERP и инструментария mergekit. В README указаны две входящие модели: Ice0.54-17.01-RP и Ice0.7-29.09-RP. Модель предназначена для генерации текста и имеет 7,1 млрд параметров, контекстное окно — 32 768 токенов. Опубликована в формате safetensors и рассчитана на запуск через Transformers. README не описывает конкретные специализации, языки или сценарии применения, поэтому модель можно характеризовать только как генеративную языковую модель общего назначения. Лицензия в предоставленных данных не указана.

Jais-30b-v3 — двуязычная предварительно обученная большая языковая модель, разработанная Core42 (Inception) совместно с Cerebras Systems. Она предназначена для генерации текста на арабском и английском языках, а также для дальнейшей адаптации под прикладные задачи, например чат-ассистентов и обслуживание клиентов. Модель содержит 30 млрд параметров и обучена на 1,6 трлн токенов, включая арабские, английские и программные данные. Архитектура — декодерный Transformer с SwiGLU и позиционными представлениями ALiBi, помогающими работать с длинными последовательностями. Модель принимает текст и генерирует текст; для загрузки через Transformers требуется пользовательский класс модели и параметр trust_remote_code=True. Модель оптимизирована для арабского и английского языков и не гарантирует сопоставимого качества на других языках. Ответы могут быть неверными, вводящими в заблуждение или предвзятыми; модель не следует использовать без контроля человека для важных медицинских, юридических, финансовых и иных критически значимых решений. Лицензия — Apache 2.0.

Карточка модели jetmoe/jetmoe-8b-sft на Hugging Face совпадает с карточкой jetmoe/jetmoe-8b, поэтому описание составлено по ней. JetMoE-8B — открытая языковая модель семейства JetMoE, созданная Yikang Shen, Zhen Guo, Tianle Cai и Zengyi Qin. Она предназначена для генерации текста и может служить базой для дообучения и исследовательских экспериментов. Авторы сообщают, что модель обучена на 1,25 трлн токенов из общедоступных наборов данных. Архитектура состоит из 24 блоков, в каждом из которых есть слой смеси голов внимания (MoA) и слой смеси экспертов MLP (MoE). В каждом слое восемь экспертов, из которых для токена активируются два. README указывает 8 млрд параметров всего и 2,2 млрд активных параметров при выводе; метаданные Hugging Face указывают размер 1,6 млрд параметров. Модель принимает текст, генерирует текст и имеет контекстное окно 4096 токенов. Авторы заявляют о конкурентных результатах относительно ряда моделей большего размера и о сравнительно низкой стоимости обучения, однако приведённые в карточке таблицы неполны, поэтому независимо оценить эти сравнения по ней нельзя. Модель доступна в формате safetensors под лицензией Apache-2.0; карточка сообщает об открытом коде и обучении только на публичных данных.

J.O.S.I.E.3-Beta4-slerp — слитая чат-модель на 7,1 млрд параметров, созданная Goekdeniz-Guelmez с помощью LazyMergekit. Она объединяет Weyaxi/Einstein-v4-7B и cognitivecomputations/dolphin-2.8-experiment26-7b методом SLERP; архитектура — MistralForCausalLM, веса доступны в формате safetensors. Модель предназначена для генерации текста в диалоговом формате и имеет контекст до 32 768 токенов. Автор сообщает, что по результатам оценки на LLM Leaderboard эта версия уступает его Beta 3, но остаётся второй по результатам среди его моделей. В метаданных указана лицензия Apache-2.0. Карточка не уточняет поддерживаемые языки и отдельные ограничения поведения или качества.