II.2Создание и понимание программного кода

Репозиторий содержит веса языковой модели phi-2, разработанной Microsoft. Это плотная авторегрессионная модель семейства MixFormer Sequential для генерации текста; карточка приводит максимальную длину контекста 2048 токенов и формат весов safetensors. Модель предназначена для генерации продолжений и ответов на текстовые запросы. Для запуска README указывает использование Transformers и потребность примерно в 12,5 ГБ видеопамяти при загрузке в float32. Репозиторий заявляет лицензию other; README отсылает к файлу лицензии за условиями использования.

susnato/phi-2 — копия модели Phi-2, разработанной Microsoft, размещённая для загрузки и использования через библиотеку Hugging Face Transformers. Это плотная авторегрессионная языковая модель архитектуры PhiForCausalLM с 3,5 млрд параметров и контекстом до 2048 токенов. Модель предназначена для генерации текста по текстовому запросу и может применяться для продолжения текста и других сценариев генерации. Репозиторий содержит веса в формате safetensors; в README заявлена лицензия MIT в метаданных. Автор репозитория отмечает, что не владеет весами: они взяты из официального репозитория Microsoft.

PowerInfer_SmallThinker-4BA0.6B-Instruct-GGUF — набор GGUF-квантизаций инструкционной модели SmallThinker-4BA0.6B-Instruct, разработанной PowerInfer и преобразованной в различные форматы bartowski с использованием llama.cpp. Модель предназначена для генерации текста и выполнения инструкций в локальных приложениях, совместимых с llama.cpp, включая LM Studio. Доступны варианты от полного BF16 до квантизаций Q8, Q6, Q5, Q4 и Q3, что позволяет выбирать между качеством ответов, размером файла и требованиями к оперативной памяти. Размер файлов варьируется примерно от 2,05 до 8,55 ГБ. Для общения используется шаблон сообщений ChatML с ролями system, user и assistant. Мультимодальность, поддерживаемые языки, максимальная длина контекста и точная архитектура в README не указаны. Основные преимущества модели — возможность локального запуска, широкий выбор уровней квантизации и совместимость с llama.cpp-подобными проектами. Более сильное сжатие экономит память, но может снижать качество генерации. Лицензия модели или квантизированных файлов в представленном README не указана.

Quyen-Pro-v0.1 — чат-языковая модель серии Quyen, разработанной vilm на основе семейства Qwen. Версия Pro обучена с применением supervised fine-tuning (SFT) и direct preference optimization (DPO); в карточке указаны обучающие наборы OpenHermes-2.5, Capybara, Orca DPO и частные данные. Модель использует архитектуру Qwen2ForCausalLM с плотными весами, содержит 13,4 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалогов, ответов на вопросы и генерации текста по запросу; для форматирования диалога используется ChatML. Карточка не приводит результатов бенчмарков, поэтому качество для конкретных задач по ней оценить нельзя. Модель опубликована в формате safetensors для Transformers. Лицензия обозначена как other, конкретные условия использования в предоставленных данных не раскрыты.

Qwen1.5-0.5B-Chat — чат-модель семейства Qwen1.5 от команды Qwen, бета-версии Qwen2. Это плотная авторегрессионная языковая модель на архитектуре Transformer с 463,9 млн параметров, предназначенная для диалоговой генерации текста. Модель принимает текст и выдаёт текст; карточка указывает поддержку английского языка, а README описывает серию как многоязычную. Модель рассчитана на ответы в чате и генерацию текста с контекстом до 32 768 токенов. В README отмечены адаптированный к разным естественным языкам и языкам программирования токенизатор и улучшение предпочтений пользователей для чат-версий серии. Для использования требуется Transformers версии 4.37.0 или новее. Лицензия в метаданных обозначена как other, поэтому конкретные условия следует проверять в файлах репозитория.

Qwen3-0.6B-Insight-Extractor — LoRA-дообучение модели Qwen/Qwen3-0.6B, созданное AbhishekG711 для извлечения структурированных данных из обращений в службу поддержки. На вход подаётся текст тикета, на выходе модель формирует один JSON-объект с девятью полями для автоматической классификации и последующей обработки обращения. Модель предназначена для автоматической маршрутизации тикетов, подготовки сводок по тональности и срочности, а также извлечения сущностей для систем оповещения и аналитики. В основе — плотный авторегрессионный Transformer Qwen3 с примерно 508 млн параметров; указанное контекстное окно — 40 960 токенов. Для дообучения применялись LoRA, Unsloth и TRL SFTTrainer. Карточка описывает обработку англоязычных обращений. Модель распространяется под лицензией Apache-2.0. Она настроена на заданный формат JSON и структуру подсказки из обучения; качество может снижаться при их изменении. В карточке приведено значение validation loss 0,233829, но не описаны дополнительные метрики качества или результаты проверки на реальных потоках тикетов.

Dohyeon1/Qwen3-30B-A3B-Sub-MoE-ngroups64 — языковая модель с архитектурой Qwen3 MoE, опубликованная пользователем Dohyeon1 на Hugging Face. Карточка модели автоматически сгенерирована и не сообщает подробностей о разработке, назначении или обучении; по метаданным и примерам использования модель поддерживает генерацию текста в диалоговом формате. В метаданных указаны 40 960 токенов контекста и библиотека Transformers. Репозиторий содержит веса Safetensors; на странице Hugging Face отображается размер около 31 млрд параметров, тогда как переданные метаданные каталога указывают 2,6 млрд. Источники не позволяют надёжно установить языки, лицензию, базовую модель или конкретные ограничения, поэтому эти характеристики не уточняются.

Это GGUF-сборка модели Qwen3.8-Flash-Next-99B-A5B-Niwaki, подготовленная проектом Niwaki для запуска через специализированный форк llama.cpp на CUDA, Vulkan, Metal или CPU. Базовую модель разработала команда Qwen; в этой версии маршрутизируемые эксперты прорежены по статистике их использования, результат скорректирован восстановлением и краткой дистилляцией, а веса сохранены в низкой точности. Модель содержит 99 млрд параметров, из которых активно около 5,2 млрд; в архитектуре 48 слоёв и до 512 маршрутизируемых экспертов. Модель предназначена для генерации текста и диалогового использования. В README приведены результаты оценки на WikiText-2 и сообщается, что качество составляет около 97% среднего результата исходной модели по задачам, но нишевые технические факты и числа менее надёжны. Оценка проводилась на англоязычных веб-данных; модель наследует смещения базовой модели. Для запуска необходим форк neopolita-llama.cpp: стандартный llama.cpp пока не поддерживает используемую раскладку тензоров, а файлы конвертера этого форка работают только в нём. Лицензия указана как other; подробные условия следует проверять в карточке базовой модели и файлах лицензии репозитория.

r4victor/qwen-wordle-full — дообученная модель Qwen/Qwen3.5-4B, обученная с использованием TRL. В метаданных указана архитектура Qwen3.5 для генерации текста с изображениями и поддержка диалога и зрения; веса опубликованы в формате safetensors. Карточка показывает пример запуска через Transformers и CUDA для диалоговой генерации. Хотя в названии есть Wordle, README не описывает специализированное решение Wordle или игровые возможности. Базовая модель содержит 4 млрд параметров и предназначена для диалога, понимания изображений, рассуждений и вызова инструментов. Лицензия в доступных данных не указана.

huihui-ai/QwQ-32B-abliterated — версия Qwen/QwQ-32B, созданная huihui.ai методом abliteration, который изменяет поведение модели для удаления отказов. Автор характеризует реализацию как грубую проверку концепции. Это плотная языковая модель семейства Qwen2 на 32 млрд параметров для генерации текста и диалогов; она принимает текст и выдаёт текст. Заявленная длина контекста — 131 072 токена. Карточка указывает английский язык, а метаданные описывают базовую QwQ-32B как модель для сложных задач с рассуждениями. Модель можно применять для диалогов и генерации ответов без обычного поведения отказа; автор также указывает совместимость с Ollama и версиями от Q2_K до fp16. Abliteration не гарантирует корректности или безопасности ответов, а карточка называет результат proof of concept. Модель распространяется по лицензии Apache-2.0.

RYS-XLarge-base — экспериментальная модель генерации текста, разработанная dnhkng на основе Qwen2-72B. Карточка описывает её как новый метод оптимизации модели, а метаданные относят архитектуру к плотным Qwen2 с классом Qwen2ForCausalLM. В репозитории указаны 76,7 млрд параметров, контекст до 32 768 токенов и формат safetensors. Модель предназначена для генерации текста в чат-сценариях. Автор сообщает, что статья о методе оптимизации находится в подготовке; карточка также приводит пример загрузки модели с применением chat template. Лицензия — MIT. Публичных сведений о поддерживаемых естественных языках и конкретных ограничениях качества в карточке нет.

arcee-ai/saul-zephyr-7b-ties — объединённая текстовая модель от Arcee AI, созданная с помощью mergekit методом TIES на основе Mistral-7B-v0.1, Saul-Base и Zephyr-7B-Beta. Модель содержит 7,1 млрд параметров, построена на архитектуре Mistral и рассчитана на генерацию текста с контекстом до 32 768 токенов. Модель можно использовать для диалоговой генерации и ответов на текстовые запросы. Веса опубликованы в формате Safetensors; лицензия — Apache-2.0. README не приводит результаты оценки качества или подробные инструкции по применению, поэтому качество в конкретных сценариях по имеющимся данным определить нельзя.

Модель yuhengtu-bytedance/sfm_filtered_e2e_alignment-7k_8k_9k_10k_11k_weightedavg_merge — объединение языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой при слиянии использована контрольная точка global_step11000; также объединены контрольные точки global_step7000, global_step8000, global_step9000 и global_step10000 из эксперимента filtered_e2e_alignment. Архитектура — GPT-NeoX, модель плотная, содержит 8,8 млрд параметров и принимает текст для генерации текста, в том числе в диалоговом режиме. Модель предназначена для генерации продолжений текста и ответов в чате; доступный контекст составляет 16 384 токена. В метаданных нет сведений о специализации по языкам или прикладным областям, поэтому её можно описать как модель общего назначения. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Карточка не сообщает результаты оценки качества, конкретные преимущества или условия лицензирования. Практическое качество и ограничения слияния по сравнению с исходными контрольными точками не описаны; перед применением следует проверить поведение на целевых запросах.

Это объединённая модель генерации текста на архитектуре GPT-NeoX, созданная с помощью mergekit линейным слиянием нескольких контрольных точек одной серии обучения. В основу взята контрольная точка global_step8000, также использованы версии с шагов 4000, 5000, 6000 и 7000. Размер модели — 8,8 млрд параметров, максимальный контекст — 16 384 токена; файлы представлены в формате safetensors и предназначены для работы через Transformers. Модель поддерживает диалоговый режим и генерацию текста. Карточка не сообщает о специализации по предметной области или языку, поэтому её можно рассматривать как универсальную текстовую модель. Лицензия в предоставленных данных не указана.

sfm_unfiltered_midtrain_alignment-7k_8k_9k_10k_11k_simpleavg_merge — языковая модель, опубликованная пользователем yuhengtu. Это линейное слияние пяти предобученных чекпойнтов на шагах 7000, 8000, 9000, 10000 и 11000, выполненное с помощью mergekit; базой слияния указан чекпойнт global_step11000. Модель использует плотную архитектуру GPT-NeoX и содержит 8,8 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст; заявленный контекст составляет 16 384 токена. Карточка не сообщает языковую специализацию или прикладную область, поэтому модель следует считать общего назначения. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

SLIM-CATEGORY — специализированная модель серии SLIM от llmware, дообученная для анализа тем и классификации текста по категориям с помощью вызовов функций. Она построена на плотной decoder-only архитектуре Llama и содержит 1 млрд параметров. Модель принимает текст и формирует структурированный результат в виде словаря Python, например категорию «markets», который можно использовать в автоматизированных рабочих процессах с несколькими моделями. Модель предназначена для тематической категоризации текстов и выдачи результата по заданным ключам. Её можно подключать через Transformers или библиотеку llmware; README также упоминает отдельную квантизованную версию slim-category-tool. Репозиторий содержит веса PyTorch, контекст составляет 2048 токенов. Лицензия — Apache-2.0. Результат ориентирован на заданную категорию и структурированный вывод, а не на универсальный диалог. В README приведён пример классификации финансовой новости, но перечень поддерживаемых тематик и языков не задан; для надёжного разбора результата предлагается преобразование строки в словарь Python.

T3qm7xNeuralsirkrishna_YamshadowExperiment28 — слитая разработчиком MaziyarPanahi модель для генерации текста и диалогов. Она объединяет automerger/T3qm7xNeuralsirkrishna-7B и automerger/YamshadowExperiment28-7B. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Контекстное окно составляет 32 768 токенов; модель работает с текстом и распространяется в формате safetensors. Модель подходит для генерации продолжений текста и ведения диалогов. Репозиторий лицензирован по Apache-2.0.

Tess-2.0-Llama-3-8B-GGUF — это набор GGUF-квантизаций текстовой генеративной модели Tess-2.0-Llama-3-8B. Исходная модель разработана migtissera, а квантизации подготовлены bartowski с использованием llama.cpp и метода imatrix на датасете, предоставленном Kalomaze. Модель предназначена для генерации текста и запуска локально через совместимые инструменты, включая llama.cpp. Модель основана на архитектуре Llama 3 и содержит 8 млрд параметров. Доступны варианты квантизации от Q8_0 до IQ1_S, размером примерно от 2,01 до 8,54 ГБ. В README не указаны поддерживаемые языки, размер контекстного окна, мультимодальные возможности и дополнительные результаты оценки. Более высокие варианты квантизации обеспечивают лучшее качество, а низкоразрядные требуют меньше оперативной памяти, но заметно уступают по качеству; варианты Q6_K, Q5_K_M, Q5_K_S, Q4_K_M и Q4_K_S отмечены как рекомендуемые. Для корректного использования следует применять формат промпта Llama 3 с системным сообщением, запросом пользователя и ответом assistant. Модель распространяется по лицензии llama3; конкретные условия и ограничения этой лицензии в README не раскрыты.

Это версия модели ontocord/vbd-llama2-7B-50b-chat, преобразованная в формат MLX с 4-битным представлением для запуска на устройствах Apple с MLX. В метаданных указаны архитектура LlamaForCausalLM семейства Llama, 6,7 млрд параметров и контекст до 4096 токенов; модель предназначена для генерации текста в диалоговом режиме. Карточка ссылается на исходную модель LR-AI-Labs/vbd-llama2-7B-50b-chat за сведениями о назначении и возможностях. В метаданных указаны английский и вьетнамский языки. Лицензия — llama2; условия использования следует сверять с лицензией Llama 2. README предлагает запуск через mlx-lm.

Карточка модели lmsys/vicuna-13b-delta-v1.1 на Hugging Face совпадает с карточкой lmsys/vicuna-7b-delta-v1.1, поэтому описание составлено по ней. Vicuna-7B-Delta-v1.1 — дельта-веса чат-модели, разработанной LMSYS. Это авторегрессионная языковая модель на архитектуре Transformer семейства LLaMA, дообученная на диалогах ShareGPT. Репозиторий содержит дельту: для получения рабочих весов Vicuna её необходимо применить к исходным весам LLaMA; самостоятельно модель не запускается. Модель предназначена для генерации ответов в диалогах и исследований чат-ботов и больших языковых моделей. Она содержит 6,6 млрд параметров и поддерживает контекст до 2048 токенов. В карточке указана некоммерческая лицензия; README отмечает, что доступна более новая версия весов.

Vicuna-7B-v1.3 — диалоговая языковая модель, разработанная LMSYS и полученная дообучением LLaMA на пользовательских разговорах из ShareGPT. Это авторегрессионная плотная трансформерная модель семейства LLaMA с архитектурой LlamaForCausalLM и примерно 6,6 млрд параметров; она принимает текст и генерирует текст, а длина контекста составляет 2048 токенов. Модель предназначена для диалогового взаимодействия, исследований больших языковых моделей и чат-ботов, а также для экспериментов исследователей и энтузиастов в области NLP, машинного обучения и ИИ. В README описана оценка с помощью стандартных тестов, предпочтений людей и LLM-судьи, но численные результаты не приведены. Указана некоммерческая лицензия, поэтому коммерческое использование не разрешено её условиями.

VicUnlocked-30B-LoRA-HF — версия модели VicUnLocked 30B, опубликованная TheBloke. Это плотная авторегрессионная модель семейства LLaMA с 32,3 млрд параметров; репозиторий содержит веса PyTorch в формате float16. README описывает её как LoRA, объединённую с исходной LLaMA 30B, и указывает набор данных ShareGPT Vicuna Unfiltered. Обучение завершено за одну эпоху. Модель предназначена для генерации текста в диалоговом и инструктивном сценариях. В README приведён пример запуска с шаблоном Vicuna v1.1. Контекст составляет 2048 токенов. Указана лицензия «other»; конкретные условия использования в доступных данных не раскрыты.

Yamshadowexperiment28M70.13-0.24-0.38-0.21-0.67-0.27-7B — объединённая текстовая генеративная модель семейства Mistral от автора aaron-di. Она предназначена для продолжения текста и диалоговых ответов; README показывает запуск через Transformers с шаблоном чата и генерацией до 256 новых токенов. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. В качестве исходных моделей указаны AurelPx/Percival_01-7b-slerp и liminerity/M7-7b; веса доступны в формате safetensors. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества, перечня поддерживаемых языков или специализированных областей применения. Поэтому модель уместно рассматривать как модель общего назначения для генерации текста и диалога, а её качество и пригодность для конкретных сценариев следует проверять отдельно.

YamshadowInex12_AlloyingotneoyPercival_01 — слитая языковая модель семейства Mistral, опубликованная MaziyarPanahi. Она объединяет модели automerger/YamshadowInex12-7B и automerger/AlloyingotneoyPercival_01-7B и предназначена для генерации текста. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст; файлы весов представлены в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0. Сведения о специализации по языкам и результатах оценки качества в карточке отсутствуют.

YamshadowInex12_Experiment26Neuralarjuna — слитая текстовая модель семейства Mistral, созданная на основе automerger/YamshadowInex12-7B и automerger/Experiment26Neuralarjuna-7B. Она предназначена для генерации текста и может использоваться в приложениях, которым нужна языковая модель с контекстом до 32 768 токенов. Модель имеет плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; веса опубликованы в формате safetensors. Репозиторий лицензирован по Apache-2.0. Карточка не описывает специальные области применения или результаты оценки качества.

YamshadowInex12_Strangemerges_32Alloyingotneoy — слитая модель семейства Mistral, созданная объединением automerger/YamshadowInex12-7B и automerger/Strangemerges_32Alloyingotneoy-7B. Она предназначена для генерации текста и построена на плотной архитектуре MistralForCausalLM; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель подходит для генерации продолжений, ответов и другого текста по текстовой подсказке. Карточка не приводит сведений о специализации по языкам или предметным областям. Веса доступны в формате safetensors, лицензия — Apache-2.0.

YamshadowStrangemerges_32_Experiment24Experiment26 — объединённая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она создана на основе automerger/YamshadowStrangemerges_32-7B и automerger/Experiment24Experiment26-7B; формат весов — safetensors. Модель предназначена для генерации текста и принимает контекст длиной до 32 768 токенов. Карточка не описывает специализированные сценарии, языки или дополнительные возможности модели. Модель распространяется по лицензии Apache-2.0.

ZYR3.1MoE-i1-GGUF — квантованные версии модели ZYR3.1MoE, разработанной zyr-AGENT и подготовленной в формате GGUF пользователем mradermacher. Модель предназначена для генерации текста, а также сценариев, связанных с мультиагентными системами, оркестрацией агентов и MoE-оркестрацией. В метаданных указан английский язык. Модель основана на архитектуре Mixture of Experts (MoE), однако точное число параметров, размер контекста, поддерживаемые модальности и внутреннее устройство в README не указаны. Набор включает imatrix-файл и множество вариантов квантования i1 от IQ1_S до Q6_K размером примерно от 2,8 до 7,5 ГБ. Более лёгкие варианты требуют меньше памяти, но могут заметно уступать по качеству; среди рекомендованных указаны Q4_K_M как быстрый вариант и Q4_K_S как компромисс между размером, скоростью и качеством. Распространение осуществляется по лицензии, обозначенной как other; её конкретные условия в README не приведены. Для работы требуются инструменты, совместимые с форматом GGUF; README также ссылается на инструкции по использованию GGUF-файлов и объединению многосоставных файлов.

Это дообученная модель Qwen3-8B, опубликованная DCAgent и основанная на Qwen/Qwen3-8B. Она предназначена для диалоговой генерации текста; карточка указывает обучение на наборе трасс рассуждений, но не описывает отдельные целевые сценарии или результаты оценки. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM, принимает текст и поддерживает контекст до 40 960 токенов. Модель рассчитана на работу через Transformers и распространяется в формате safetensors. Указана лицензия other; конкретные условия лицензии в карточке не раскрыты, поэтому перед использованием следует проверить условия базовой модели и этого репозитория. README не сообщает о специальных ограничениях или оценке качества.

jondurbin/airoboros-l2-7b-gpt4-1.4.1 — дообученная на датасете airoboros-gpt4-1.4.1 версия Llama 2 7B от автора jondurbin. Это плотная авторегрессионная языковая модель с архитектурой LlamaForCausalLM, предназначенная для генерации текста. README отсылает к карточке предыдущей модели Llama 65B, поэтому подробности о сценариях обучения и поведении этой версии не раскрыты. Модель содержит 6,6 млрд параметров, принимает текстовый контекст длиной до 4096 токенов и выдаёт текст. Репозиторий распространяет веса в формате PyTorch. Лицензия указана как other; конкретные условия использования из доступных данных установить нельзя.