II.2Создание и понимание программного кода

YamshadowInex12_Experiment26Pastiche — слитая модель для генерации текста, созданная объединением automerger/YamshadowInex12-7B и automerger/Experiment26Pastiche-7B. Она построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; контекст — до 32 768 токенов. Модель принимает текст и генерирует текст, поэтому подходит для диалогов и других сценариев генерации на основе текстового запроса. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

YamshadowStrangemerges_32_NeuralsirkrishnaInex12 — объединённая модель Mistral, созданная на основе automerger/YamshadowStrangemerges_32-7B и automerger/NeuralsirkrishnaInex12-7B. Она предназначена для генерации текста и диалогов по текстовым запросам. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Веса представлены в формате safetensors. Лицензия — Apache-2.0. README не уточняет языковые специализации, качество и конкретные сценарии применения; характеристики объединённых моделей могут влиять на поведение результата.

YamshadowStrangemerges_32_ShadowExperiment24 — объединённая языковая модель семейства Mistral, созданная MaziyarPanahi на основе automerger/YamshadowStrangemerges_32-7B и automerger/ShadowExperiment24-7B. Модель с архитектурой MistralForCausalLM содержит 7,1 млрд параметров и принимает текст для авторегрессионной генерации текста; поддерживает контекст до 32 768 токенов. Модель предназначена для генерации продолжений, ответов и другого текста. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Данных о специальных предметных областях и поддерживаемых языках в предоставленных источниках нет.

chargoddard/Yi-34B-Llama — версия 01.AI Yi-34B, в которой имена тензоров приведены к формату стандартной реализации Llama. Модель представляет собой плотную авторегрессионную языковую модель на 33,9 млрд параметров с архитектурой LlamaForCausalLM и контекстом до 4096 токенов. Она предназначена для генерации текста и может загружаться через стандартный код моделирования Llama без параметра trust_remote_code. Для токенизатора требуется trust_remote_code; в ветке llama-tokenizer используется класс токенизатора Llama. Репозиторий содержит веса safetensors. Лицензия указана как other, поэтому конкретные условия использования следует проверять в карточке модели и связанных материалах.

Это диалоговая языковая модель семейства Mistral, дообученная ShenaoZ на обновлённом и исходном датасетах поверх ShenaoZ/0.0001_sft_nodpo_5iters_bs256_5102lr_iter_3. Модель с архитектурой MistralForCausalLM содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации ответов в чате и других задач продолжения текста. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. README не приводит подробностей об обучении, оценках качества, языковой поддержке или специальных ограничениях применения.

A-I-0xtom-7B-slerp — объединённая языковая модель, созданная автором репозитория с помощью LazyMergekit методом SLERP из 0x0dad0/nous_nous_v2_0 и tomaszki/nous-thirty. Это плотная авторегрессионная модель семейства Llama с 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Заявленная длина контекста — 32 768 токенов; веса опубликованы в формате SafeTensors, конфигурация слияния использует bfloat16. Модель подходит для генерации ответов и продолжения текста в чат-сценариях. В README приведены результаты оценки на бенчмарках рассуждений и понимания текста, а также средняя оценка потерь; эти показатели сами по себе не гарантируют качество в конкретном применении. Репозиторий распространяется по лицензии Apache-2.0.

Arcee-SuperNova-v1-GGUF — это квантизированная версия текстовой генеративной модели Arcee-SuperNova-v1, разработанной arcee-ai. Квантизация выполнена bartowski в формате GGUF с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может запускаться локально через llama.cpp, LM Studio и другие совместимые проекты. В репозитории представлены варианты квантизации от Q2 до Q8 с размерами файлов примерно от 27,4 до 75 ГБ. Более высокие уровни квантизации обычно обеспечивают лучшее качество, но требуют больше оперативной или видеопамяти; варианты Q4_K_M, Q5 и Q6_K обозначены как рекомендуемые. Для работы необходимо использовать указанный шаблон промпта на основе специальных токенов сообщений. README не содержит подробных сведений об архитектуре, количестве параметров, поддерживаемых языках, размере контекстного окна или мультимодальности, поэтому эти характеристики нельзя достоверно определить. Основные ограничения связаны с потерями качества при низкой квантизации и значительными требованиями к памяти. Указана лицензия llama3.

Blur-7b-slerp-v1.45 — объединённая модель семейства Mistral, созданная с помощью mergekit из CultriX/MonaTrix-v4 и liminerity/Blur-7b-slerp-v1.44 методом SLERP. Она предназначена для генерации и продолжения текста, в том числе диалоговых ответов. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; в конфигурации слияния указан тип bfloat16. Модель распространяется по лицензии Apache-2.0. README не описывает языковую специализацию или результаты оценок качества, поэтому их нельзя установить по доступным данным.

bophades-mistral-7B — объединённая модель для генерации текста, созданная nbeerbower с помощью mergekit. В основе лежит yam-peleg/Experiment26-7B; слияние выполнено методом DARE TIES с несколькими моделями Mistral, включая варианты для математики и другие экспериментальные чекпойнты. Модель построена на архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст длиной до 32 768 токенов. В репозитории опубликованы веса в формате safetensors; для запуска используется библиотека Transformers. Карточка не уточняет поддерживаемые естественные языки и специализированные сценарии. Модель распространяется по лицензии Apache-2.0. Сведения о качестве, результатах оценки и конкретных ограничениях в карточке не приведены.

Bruphin Beta — объединённая языковая модель, созданная nbeerbower с помощью SLERP-смешивания cognitivecomputations/dolphin-2.6-mistral-7b-dpo-laser и rwitz/go-bruins-v2. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров, предназначенная для генерации текста. Контекст составляет до 32 768 токенов; модель распространяется в формате Safetensors. Модель можно применять для генерации продолжений текста и ответов на запросы на естественном языке. В карточке не приведены сведения о языках, целевых сценариях или результатах оценки качества, поэтому их нельзя уточнить. Лицензия — Apache-2.0.

bruphin-lambda — диалоговая языковая модель на архитектуре Mistral, созданная nbeerbower с помощью слияния SLERP через mergekit. Она объединяет chihoonlee10/T3Q-Mistral-Orca-Math-DPO и nbeerbower/bruphin-kappa и предназначена для генерации текста в формате диалога. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса Safetensors; модель распространяется по лицензии Apache-2.0. В карточке не приведены сведения о языках, специальных доменах или сравнительных оценках качества.

cybertron-v4-qw7B-MGS-GGUF — это GGUF-квантизированная версия языковой модели cybertron-v4-qw7B-MGS, разработанной fblgit и квантизированной bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp или LM Studio. В README указана поддержка английского языка и текстовая модальность; данные о точной архитектуре, количестве параметров и размере контекста не приведены. Доступны варианты от F16 до Q3_K_XL, включая Q8_0, Q6_K, Q5_K и Q4_K, что позволяет выбирать между качеством, размером файла и требованиями к памяти. Для запуска рекомендуется использовать формат prompt с маркерами ChatML. Среди заявленных результатов оценки: 62,64% строгой точности на IFEval, 37,04% на BBH, 27,72% exact match на MATH уровня 5 и 38,59% на MMLU-PRO. Эти показатели характеризуют способность модели следовать инструкциям, рассуждать и отвечать на академические вопросы, но не заменяют оценку на прикладных данных. Сильной стороной являются разнообразие доступных квантизаций и возможность локального использования при ограниченных ресурсах. Ограничения включают отсутствие сведений о мультимодальности, точных архитектурных характеристиках и контексте, а также заметное снижение качества у более компактных вариантов. Модель распространяется по лицензии other с указанием лицензии Qwen; для юридически корректного использования следует ознакомиться с условиями лицензии Qwen.

EVA-Qwen2.5-32B-v0.2-GGUF — это набор GGUF-квантизаций текстовой генеративной модели EVA-Qwen2.5-32B-v0.2, разработанной EVA-UNIT-01 и подготовленной пользователем bartowski. Модель предназначена для генерации текста, включая диалоговые, инструкционные, писательские и roleplay-сценарии. Она обучалась на смесях датасетов с инструкциями, художественным письмом, ролевыми диалогами и синтетическими примерами. Доступны варианты от полноразмерного F16 до квантизаций Q8_0, Q6, Q5, Q4 и Q3, включая форматы IQ. Размер файлов составляет примерно от 14,81 до 65,54 ГБ. Квантизации выполнены с использованием llama.cpp и imatrix; для запуска рекомендуется LM Studio. Более высокие разрядности обеспечивают лучшее сохранение качества, а варианты Q3 подходят для систем с ограниченным объёмом оперативной памяти, но заметно уступают по качеству. Отдельные варианты оптимизированы для ARM и требуют соответствующих аппаратных возможностей; они не предназначены для Mac или Windows. В README не указаны точные архитектурные параметры, размер контекста, поддерживаемые языки и мультимодальные возможности, поэтому модель следует рассматривать как текстовую. Лицензия указана как Apache-2.0. Для использования необходимы ресурсы, соответствующие выбранному варианту квантизации.

Experiment26Strangemerges_32-7B — автоматическое слияние моделей, созданное Maxime Labonne на основе архитектуры Mistral. В конфигурации объединены mistralai/Mistral-7B-v0.1, yam-peleg/Experiment26-7B и Gille/StrangeMerges_32-7B-slerp методом model_stock; базовой указана mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста с контекстом до 32 768 токенов. Модель может использоваться для диалога и других задач генерации текста на входном текстовом запросе. Репозиторий содержит веса Safetensors, а лицензия — Apache-2.0. Карточка не приводит оценок качества или подробных ограничений применимости.

MaziyarPanahi/Experiment28T3q_Experiment24Ognoexperiment27 — объединённая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана путём слияния automerger/Experiment28T3q-7B и automerger/Experiment24Ognoexperiment27-7B. Модель предназначена для генерации текста и может использоваться в приложениях, которым нужны ответы или продолжения 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. README не описывает конкретные преимущества, целевые сценарии или результаты оценки качества, поэтому их нельзя надёжно определить по доступным данным.

Gemma-4-E4B-Uncensored-HauhauCS-Aggressive — модификация Gemma 4 E4B-IT, разработанная HauhauCS на базе модели Google gemma-4-e4b-it. По заявлению автора, изменения не затрагивают обучающие данные и основные возможности, а направлены на удаление отказов и защитных ограничений; вариант Aggressive позиционируется как полностью разблокированный и ориентированный на генерацию ответов без отказов. Модель предназначена для диалоговых и генеративных задач, включая работу с текстом, изображениями, видео и аудио, а также для локального запуска в llama.cpp, LM Studio, Jan, koboldcpp и других средах, совместимых с GGUF. Модель содержит около 4 млрд параметров, 42 слоя и использует смешанную архитектуру со скользящим окном внимания 512 и полным вниманием. Заявлен контекст до 131K токенов и 18 общих KV-слоёв для повышения эффективности памяти. Поддерживаются английский и другие языки, однако конкретный перечень языков не указан. Для мультимодальной работы требуется отдельный файл mmproj; доступны GGUF-квантизации Q2–Q8, включая пользовательские K_P-варианты с оптимизацией по imatrix и заявленным сохранением качества. Сильной стороной является сочетание компактного размера, большого контекстного окна, мультимодальности и широкого выбора квантизаций. Ограничение модели — отсутствие обычных защитных отказов, что повышает риск небезопасных или нежелательных ответов; автор также отмечает ограниченное ручное тестирование на длинном контексте и возможность кратких встроенных дисклеймеров. Для корректного шаблона чата в llama.cpp рекомендуется использовать параметр --jinja. Модель распространяется по лицензии Gemma.

GLM-4.5-Air-8bit — языковая модель для генерации текста, разработанная Z.ai и представленная в формате MLX сообществом mlx-community. Модель конвертирована из zai-org/GLM-4.5-Air с использованием mlx-lm версии 0.26.0 и предназначена для запуска и инференса через библиотеку MLX, в частности с помощью mlx-lm. Модель относится к классу text-generation и поддерживает английский и китайский языки. Вариант 8bit использует 8-битное представление весов, что ориентировано на более эффективное размещение и запуск модели в совместимой среде. README не содержит сведений о точной архитектуре, количестве параметров, размере контекста, поддерживаемых модальностях помимо текста, результатах оценки или конкретных прикладных сценариях. Для использования требуется библиотека mlx-lm; предусмотрен интерфейс чат-шаблона и генерации текста. Сильной стороной модели является адаптация к формату MLX и наличие готового способа запуска. Ограничения и характеристики качества в README не описаны, поэтому их нельзя достоверно оценить. Модель распространяется по лицензии MIT.

CreitinGameplays/GLM-4.7-Flash-Fable-5-Distill — дообученная диалоговая текстовая модель на базе unsloth/GLM-4.7-Flash. Она предназначена для генерации ответов в чате; карточка также приводит параметры генерации top_k 40, temperature 0.5 и top_p 0.95. Архитектура указана как GLM4 MoE Lite с классом Glm4MoeLiteForCausalLM; размер — 4,1 млрд параметров, формат весов — safetensors, длина контекста — 202 752 токена. Для дообучения перечислены наборы данных TeichAI/Fable-5-Cursor-Traces и armand0e/Fable-5-Chat. Модель опубликована под лицензией Apache-2.0. README отмечает необходимость принудительно задавать специальный токен в шаблоне чата, но название токена в доступном тексте карточки отсутствует.

GLM-Edge-Chat-4B-GGUF — чат-модель семейства GLM, разработанная организацией zai-org. Она предназначена для генерации текста и диалогового взаимодействия, включая локальный запуск на совместимом оборудовании через формат GGUF и адаптированную версию llama.cpp. Модель имеет размер около 4 миллиардов параметров и поддерживает китайский и английский языки. В README указана текстовая генерация; сведения о точной архитектуре, размере контекста, дополнительных модальностях и результатах тестирования отсутствуют. Формат GGUF и возможность использования аппаратного ускорения делают модель подходящей для периферийных устройств и локальных приложений, однако требования к ресурсам и фактическая производительность зависят от выбранной квантованной версии и оборудования. Использование весов регулируется лицензией GLM-4; подробные условия приведены в файле LICENSE. Для запуска требуется адаптированная версия llama.cpp, поскольку интеграция поддержки модели в официальную ветку на момент публикации README ещё выполнялась.

richardr1126/guanaco-13b-merged — слитая модель на архитектуре LLaMA, созданная объединением адаптера QLoRA timdettmers/guanaco-13b с базовой LLaMA-13b. Она предназначена для генерации текста в диалоговом формате и ответов на пользовательские запросы. Модель содержит 12,9 млрд параметров, принимает текст и выдаёт текст; родной контекст составляет 2048 токенов. В карточке указаны PyTorch и датасет OpenAssistant Guanaco. Лицензия в предоставленных данных не указана.

Huihui-granite-4.0-h-tiny-abliterated — версия языковой модели IBM Granite 4.0 H Tiny, подготовленная huihui-ai методом abliteration для значительного снижения отказов на запросы. Это гибридная MoE-модель для генерации текста и диалогов; метаданные указывают 500,2 млн параметров и контекст до 131 072 токенов. Модель загружается через библиотеку Transformers и распространяется в формате Safetensors. Модель подходит для диалоговых приложений и генерации текста, в том числе для сценариев, где требуется меньше отказов. Снижение защитной фильтрации повышает вероятность чувствительных, спорных или неподходящих ответов, поэтому результаты требуют проверки. Базовая модель — ibm-granite/granite-4.0-h-tiny; лицензия — Apache-2.0.

JeongMinMin/kanana-1.5-8b-instruct-2505-Safe-DPO — диалоговая модель генерации текста на архитектуре Llama с 7,5 млрд параметров. В карточке указано, что модель дообучена разработчиком JeongMinMin с помощью Unsloth и библиотеки TRL; в качестве исходной модели названа она же. Поддерживает чат и интерфейс вызова инструментов, принимает текст и генерирует текст. Контекст — до 32 768 токенов; карточка указывает английский язык. Модель подходит для диалоговых приложений и генерации ответов с возможностью передавать вызовы инструментам. Файлы представлены в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает специализированные области применения, результаты оценки качества или конкретные ограничения, поэтому их нельзя уточнить по доступным данным.

Kimiko v2 13B — языковая модель для генерации текста и диалогового взаимодействия, созданная nRuaif. В данном репозитории TheBloke предоставляет её квантизированные версии в формате GGUF для запуска через llama.cpp и совместимые инструменты. Модель основана на архитектуре Llama и имеет около 13 миллиардов параметров; заявленный язык — английский. Модель предназначена для чат-сценариев, ответов на вопросы и других задач генерации текста. В README приведён шаблон запросов в стиле Vicuna, ориентированный на получение полезных, подробных и вежливых ответов. Формат GGUF поддерживает метаданные, специальные токены и различные уровни квантования, включая 2-, 3-, 4-, 5-, 6- и 8-битные варианты, что позволяет выбирать компромисс между качеством, размером файлов и требованиями к памяти. Поддерживаются CPU+GPU-сценарии и такие инструменты, как llama.cpp, text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и другие. К сильным сторонам относятся широкий выбор уровней квантования и совместимость с популярной экосистемой локального запуска моделей. Ограничения включают отсутствие заявленной поддержки дополнительных модальностей и других языков, а также возможное снижение качества у более агрессивно квантизированных вариантов. Условия лицензирования неоднозначны: указана лицензия creativeml-openrail-m, при этом модель также основана на Llama 2 и подпадает под условия лицензии Meta Llama 2; разработчик рекомендует уточнять взаимодействие этих лицензий в исходном репозитории.

Limite 1B Base Soup — контрольная точка семейства языковых моделей Limite 1B, разработанная Paradigma Inc. Это post-soup checkpoint, предназначенный для генерации текста и диалогового использования. Модель содержит около 996,3 млн параметров, имеет плотную архитектуру LimiteForCausalLM и поддерживает контекст до 131 072 токенов. Модель запускается через Hugging Face Transformers. Поддерживаются SDPA с DynamicCache, смешанным global/sliding-window StaticCache, а также StaticCache вместе с torch.compile. Для загрузки требуется разрешить выполнение кода архитектуры из репозитория через trust_remote_code=True. README указывает на Limite 1B Violetto как на актуальную контрольную точку с полной карточкой модели. Лицензия — Apache-2.0. Данных о конкретных языках обучения и качестве в предоставленных источниках нет.

parmanu-lcs2/Llama-3.1-6B-Instruct — сжатая обрезкой версия Meta-Llama-3.1-8B-Instruct, подготовленная автором репозитория parmanu-lcs2. Модель использует плотную архитектуру Llama для генерации текста и диалогов. После обрезки в ней около 6,03 млрд параметров; метаданные указывают 7,5 млрд. Репозиторий содержит веса в формате safetensors, а библиотека для работы с ними — Transformers. Заявленная длина контекста — 131 072 токена. Обрезка выполнена методом SNIPER с целевым коэффициентом сжатия 25%; после неё модель дообучили LoRA на 2 000 примерах SlimOrca в течение одной эпохи, затем объединили адаптеры с весами. Модель рассчитана на текстовые запросы и ответы в чате. В README указана длина контекста 1 024 токена для этапа восстановительного дообучения, поэтому качество работы на длинном контексте отдельно не подтверждено. Условия лицензии в предоставленных данных не приведены.

Orenguteng разработал Lexi Uncensored V2 — диалоговую модель генерации текста на архитектуре Llama 3.1 с 7,5 млрд параметров, основанную на Llama-3.1-8B-Instruct. Модель дообучена для более свободных и послушных ответов на запросы; она поддерживает контекст до 131 072 токенов и использует библиотеку Transformers. Модель предназначена для диалогов и генерации текста по инструкциям, включая сценарии, где требуется меньше отказов, чем у исходной модели. В карточке приведены результаты Open LLM Leaderboard: среднее значение 27,93, IFEval — 77,92 и BBH — 29,69. Для инференса требуется шаблон чата Llama 3.1 с системными токенами. Автор отмечает, что версия Q4 иногда отказывает из-за возможной потери качества при квантизации и рекомендует F16 или Q8. Модель рассчитана на высокую податливость запросам, поэтому автор советует самостоятельно добавить слой выравнивания перед предоставлением её как сервиса. Лицензия — Meta Llama 3.1 Community License.

VictorDCh/Llama-3-8B-Instruct-MoE-4 — разговорная языковая модель для генерации текста. README указывает базовую модель meta-llama/Meta-Llama-3-8B-Instruct и конфигурацию из восьми экспертов с выбором двух экспертов на токен; метаданные описывают архитектуру как MixtralForCausalLM типа MoE. Размер модели — 7,5 млрд параметров, контекст — 8192 токена. Модель распространяется в формате safetensors и рассчитана на использование через Transformers. Модель подходит для диалогов и генерации текста по запросу. README указывает случайный режим маршрутизации экспертов и не приводит результатов обучения или оценок качества. Разработчик в карточке не назван; лицензия в предоставленных данных не указана.

Это сборка модели MaziyarPanahi/Llama-3-Groq-8B-Tool-Use-bf16 в формате GGUF, созданная mlx-community. Исходная модель — дообученная Llama 3 Groq 8B, ориентированная на диалог и использование инструментов; сборка предназначена для локального запуска через совместимое с GGUF программное обеспечение, например llama.cpp и его оболочки. Модель принимает текстовые запросы и генерирует текстовые ответы. Формат GGUF упрощает запуск в llama.cpp и связанных приложениях; в репозитории указаны файлы BF16. Метаданные определяют задачу как text-generation. Сведений о лицензии и ограничениях качества в предоставленных данных нет.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-IPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

Это инструктивная языковая модель LLM-jp — совместного проекта, запущенного в Японии. Модель построена на архитектуре LlamaForCausalLM и содержит 13,2 млрд параметров; контекст — до 4096 токенов. Репозиторий предоставляет веса в формате Safetensors для Transformers. Модель предназначена для диалогов и выполнения инструкций: она генерирует ответы на запросы, вопросы и задания на японском и английском языках. Для настройки использовались японские и английские примеры Dolly и OpenAssistant, а также японские наборы инструкций, включая ichikara-instruction-004-001. Токенизатор сочетает японский, английский и исходный код. Разработчики отмечают, что модель находится на ранней стадии исследований и разработки и не настроена для гарантированного соответствия намерениям человека или требованиям безопасности. Лицензия — Apache-2.0.