II.2Создание и понимание программного кода

TheBloke опубликовал конвертированную в формат Transformers версию Llama 2 7B Chat, разработанной Meta. Это плотная авторегрессионная языковая модель на архитектуре Transformer, содержащая около 6,6 млрд параметров и предназначенная для диалоговых сценариев. Вариант Chat прошёл supervised fine-tuning и обучение с подкреплением на основе отзывов людей; веса представлены в форматах PyTorch и safetensors. Модель принимает текст и генерирует текст, поддерживает контекст до 4096 токенов и рассчитана прежде всего на англоязычный диалог с ассистентом: ответы на вопросы, инструкции и генерацию текста. Для ожидаемого поведения Chat требуется специальный формат входа Llama 2 с маркерами инструкций и служебными токенами. Модель может выдавать неточные, предвзятые или нежелательные ответы; перед применением в продукте необходима проверка безопасности и настройка под сценарий. Карточка ориентирует использование на английский язык. Доступ и использование регулируются специальной лицензией Meta для Llama 2; для получения весов требуется принять её условия.

Apollo Raines выпустил поведенчески модифицированный вариант Meta Llama 3.1 8B Instruct. Модель предназначена для диалогов и генерации текста с более короткими и прямыми ответами: разработчик сообщает, что убрал многословные вступления и заполнители, сохранив точность и полезность. Изменения внесены инструментом jBlaze непосредственно в веса; README уточняет, что дополнительного обучения не проводилось. Архитектура — LlamaForCausalLM, плотная трансформерная языковая модель; в метаданных указано 7,5 млрд параметров и контекст до 131 072 токенов. Репозиторий содержит веса Safetensors, а README указывает точность bf16. Модель ориентирована на английский язык и поддерживает чатовый интерфейс вызова инструментов. Разработчик характеризует опубликованный вариант как демонстрационный и намеренно ослабленный относительно полной версии. Модель распространяется по лицензии Llama 3.1; применяйте её с учётом условий этой лицензии.

Llama-3.1-Tulu-3-8B-SFT-GGUF — это GGUF-квантизированная версия языковой модели Llama-3.1-Tulu-3-8B-SFT, разработанной Allen Institute for AI (Ai2). Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix; в качестве данных для квантизации применялся специализированный набор. Модель предназначена для генерации текста и диалоговых сценариев, включая запуск локально через llama.cpp или LM Studio. Указан формат промпта с ролями system, user и assistant. Модель содержит 8 миллиардов параметров и работает с текстом на английском языке. Доступны варианты от исходных весов F16 размером около 16,07 ГБ до различных квантизаций Q8, Q6, Q5, Q4, Q3 и Q2 размером примерно от 3,7 ГБ до 8,54 ГБ. Более крупные варианты сохраняют более высокое качество, а компактные требуют меньше оперативной памяти, но могут заметно уступать в качестве. Для большинства сценариев автор рекомендует варианты Q4_K_M, Q5 и Q6; некоторые варианты оптимизированы для ARM или AVX и имеют ограничения совместимости. Модель поддерживает только текстовую модальность; сведения о длине контекста в README не указаны. Лицензия обозначена как llama3.1. README не содержит подробных результатов тестирования, поэтому точные сильные и слабые стороны базовой модели, кроме компромисса между размером квантизации и качеством, оценить нельзя.

Llama-3-8B-Instruct-v0.3 — плотная авторегрессионная языковая модель семейства Llama, разработанная MaziyarPanahi на основе серии MaziyarPanahi/Llama-3-8B-Instruct-DPO. Она предназначена для диалогов и генерации текста; в карточке указана поддержка ChatML-шаблона, а метаданные отмечают возможность общения в чате. Модель содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель подходит для создания чат-ботов, ответов на вопросы и генерации текста на английском языке. Репозиторий содержит веса в формате safetensors, а для запуска README рекомендует библиотеку Transformers. Лицензия указана как other, без уточнения её условий в доступных данных.

Llama-3-8B-Magpie-Align-SFT-v0.1 — дообученная командой Magpie-Align языковая модель на архитектуре Llama 3 с 7,5 млрд параметров. Она обучена методом supervised fine-tuning на наборе Magpie-Pro-MT-300K-v0.1 и предназначена для генерации текста в ответ на инструкции и ведения диалога; для лучшей работы следует использовать официальный шаблон чата Llama 3. Модель принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. В README приведены результаты сравнений на Alpaca Eval 2 и Arena Hard; авторы сообщают о сопоставимом с Llama-3-8B-Instruct качестве на некоторых задачах. Для использования требуется соблюдать лицензию Meta Llama 3 Community License. Результаты зависят от задачи и формата диалога; универсальная эквивалентность модели Llama-3-8B-Instruct не заявлена.

LLaMA-3-8B-SFR-SFT-R — модель генерации текста Salesforce, созданная методом supervised fine-tuning (SFT) на основе Salesforce/SFR-Iterative-DPO-LLaMA-3-8B-R. Это плотная авторегрессионная модель семейства LLaMA с 7,5 млрд параметров и контекстом до 8192 токенов; она поддерживает диалоговый режим и распространяется в формате safetensors. Модель предназначена для генерации ответов и диалогового взаимодействия на основе текстовых запросов. В README модель представлена как SFT-версия в наборе релизов, включающем также reward- и RLHF-модели. Salesforce выпустила её для исследовательских целей в поддержку академической статьи. Перед применением рекомендуется оценивать точность, безопасность и справедливость; модель не оценивалась для всех вариантов использования, поэтому её пригодность для критически важных сценариев не установлена. Лицензия — Llama 3.

Llama-3-Instruct-8B-SimPO-GGUF — набор GGUF-квантизаций модели Llama-3-Instruct-8B-SimPO, разработанной Princeton NLP и квантизированной bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через llama.cpp и совместимые инструменты локального запуска. Модель содержит около 8 млрд параметров и доступна в вариантах квантизации Q8_0, Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S, IQ4_NL, IQ4_XS и других, с размером файлов примерно от 2,16 до 8,54 ГБ. Старшие варианты обеспечивают более высокое качество, а младшие позволяют снизить требования к оперативной памяти ценой заметной потери качества. Для общения в README приведён шаблон с ролями system, user и assistant, однако автор предупреждает, что он может не соответствовать исходной модели. Сильной стороной набора является широкий выбор компромиссов между качеством, размером и требованиями к памяти; варианты Q6_K и Q5_K_M рекомендованы как близкие к исходному качеству, а IQ-квантизации могут обеспечивать сопоставимое качество при меньшем размере. Ограничения включают возможное ухудшение результатов на низких уровнях квантизации и отсутствие в README сведений о поддерживаемых языках, размере контекста и лицензии.

Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

LlamaZero 3.1-8B — языковая модель для генерации текста, созданная sethuiyer путём слияния предварительно обученных моделей с помощью mergekit. Она основана на DeepSeek-R1-Distill-Llama-8B и Llama-3.1-8B-Experimental-1206-Instruct; архитектура — плотная Llama с классом LlamaForCausalLM, размер — около 7,5 млрд параметров. Модель предназначена для диалогового взаимодействия и генерации текста; в README приведены результаты оценки на бенчмарках IFEval и BBH. Метаданные указывают контекст до 131 072 токенов и поддержку чата. В репозитории используются веса safetensors. Лицензия в предоставленных данных не указана.

Это дообученная модель KKHYA на 1,7 млрд параметров, созданная на основе KKHYA/llavaqwen3-1.7b-finetune. Она использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Контекстное окно — до 40 960 токенов. Модель загружена в формате PyTorch/Safetensors и распространяется по лицензии Apache-2.0. Датасет дообучения и результаты оценки не описаны.

LYRA-DEEP — компактная разговорная языковая модель, разработанная и поддерживаемая Muhammad Taqi. В метаданных Hugging Face указаны архитектура Qwen2, плотная causal language model Qwen2ForCausalLM и 1,5 млрд параметров; карточка модели описывает её как быстрый движок для диалога и рассуждений. Модель принимает текст и генерирует текст, поддерживает интерфейс вызова инструментов. Заявленная длина контекста — 131 072 токена. Модель подходит для чат-ответов и генерации текста, когда важны небольшой размер и высокая скорость. README также называет LYRAMOON архитектурной основой, но метаданные не подтверждают связь с отдельной базовой моделью. Доступна по лицензии Apache-2.0. Заявления о скорости и качестве рассуждений приведены в карточке разработчика и не сопровождаются результатами оценки.

M7Yamshadowexperiment28_Experiment28Experiment24 — объединённая модель MaziyarPanahi на архитектуре Mistral для генерации текста. Она объединяет automerger/M7Yamshadowexperiment28-7B и automerger/Experiment28Experiment24-7B; размер модели — 7,1 млрд параметров, формат весов — safetensors, длина контекста — до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Лицензия — Apache-2.0.

M7Yamshadowexperiment28_Inex16Calme — слитая модель для генерации текста, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/Inex16Calme-7B. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и работает с контекстом до 32 768 токенов. Она предназначена для генерации текста и диалоговых ответов. Репозиторий содержит веса в формате safetensors. Модель опубликована по лицензии Apache 2.0.

kzome/manhua-ar-model — дообученная разработчиком kzome модель генерации текста на архитектуре Qwen2.5. Она основана на unsloth/Qwen2.5-7B-Instruct-bnb-4bit и содержит 7,1 млрд параметров; в карточке указаны обучение с Unsloth и библиотекой TRL, а также поддержка диалога и интерфейса вызова инструментов. Модель подходит для генерации текста и диалогового взаимодействия. Контекстное окно составляет до 32 768 токенов, основной указанный язык — английский. Модель распространяется по лицензии Apache-2.0.

MeliodasPercival_01_Experiment26Neuralarjuna — объединённая языковая модель семейства Mistral, созданная из automerger/MeliodasPercival_01-7B и automerger/Experiment26Neuralarjuna-7B. Она предназначена для генерации текста и диалогов по текстовым запросам. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Карточка не уточняет языки обучения и конкретные специализации модели.

MeliodasPercival_01_T3qm7xpT3q — объединённая текстовая модель семейства Mistral, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/T3qm7xpT3q-7B. Она предназначена для генерации текста и диалогов, включая сценарии с длинными запросами и контекстом до 32 768 токенов. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и распространяется в формате safetensors. Модель может использоваться для создания ответов и продолжения текста в приложениях на базе Transformers. Поддерживаемые языки и специализированные области применения в карточке не описаны. Лицензия — Apache-2.0.

mahiatlinux/merged1and2 — объединённая автором модель семейства Mistral, созданная с помощью LazyMergekit слиянием mahiatlinux/merged1 и mahiatlinux/merged2 методом SLERP. Это плотная авторегрессионная языковая модель с архитектурой MistralForCausalLM и 7,1 млрд параметров; она предназначена для генерации текста и диалогового взаимодействия. Заявленная длина контекста — 32 768 токенов. Весовые файлы представлены в формате Safetensors, тип данных при слиянии — bfloat16. Модель принимает текст и генерирует текст. Сведения о языковой специализации и лицензии в предоставленных данных отсутствуют, поэтому их нельзя определить. Качество и ограничения унаследованы от объединённых моделей, но карточка не описывает их отдельно.

amd/MiniMax-M2.1-MXFP4 — текстовая causal language model на базе MiniMaxAI/MiniMax-M2.1, подготовленная Advanced Micro Devices, Inc. Модель принимает текст и генерирует текст, предназначена для задач обработки естественного языка и инференса больших языковых моделей. Модель использует архитектуру MiniMaxM2ForCausalLM и поддерживает английский язык. Веса и активации квантизированы в формате OCP MXFP4: веса — статически, активации — динамически. Квантизация выполнена с помощью AMD-Quark версии 0.11 на основе QuixiAI/MiniMax-M2.1-bf16. Для запуска указаны SGLang и vLLM, а целевая аппаратная платформа — AMD Instinct MI300 и MI350/MI355 с ROCm 7.0, PyTorch 2.8.0 и Transformers 4.57.1 под Linux. В README также приведён пример запуска с максимальной длиной контекста 32 768 токенов. На GSM8K модель показала результат 0,9348 против 0,9356 у исходной BF16-версии, сохранив 99,91% исходной точности. Это указывает на небольшую потерю качества при существенном снижении точности представления, однако данных о других бенчмарках, скорости, потреблении памяти и качестве на иных языках или задачах нет. Использование ориентировано на совместимое оборудование AMD и соответствующий программный стек. Лицензия обозначена как modified-MIT; в README указаны модификации и авторские права Advanced Micro Devices, Inc. за 2026 год.

MiniMax-M2-MLX-4bit — 4-битно квантованная версия языковой модели MiniMax-M2, разработанной MiniMaxAI. Квантование выполнено командой LM Studio с использованием mlx_lm и формата MLX; модель оптимизирована для запуска на устройствах Apple Silicon. Она предназначена для генерации текста и локального использования через LM Studio. Модель подходит для сценариев, требующих локального текстового вывода при сниженных требованиях к памяти по сравнению с полной версией модели. README не содержит сведений о точном размере модели, поддерживаемых языках, максимальной длине контекста, архитектуре или дополнительных модальностях, поэтому эти характеристики нельзя достоверно указать. Квантование в 4 бита может уменьшать потребление ресурсов, но потенциально снижать точность по сравнению с исходной моделью. Модель распространяется по лицензии MIT.

Ministral-3-14B-Reasoning-2512-Uncensored-i1-GGUF — квантизированная версия модели Ministral-3-14B-Reasoning-2512-Uncensored. Базовую модель разработал ccharnkij, а квантизацию выполнил mradermacher. Модель распространяется в формате GGUF и предназначена для локального запуска с использованием совместимых инструментов. Модель рассчитана на генерацию текста и задачи рассуждения, а также поддерживает обработку изображений вместе с текстом. Заявлены размер 14B параметров, мультимодальность и поддержка английского языка. В репозитории представлены варианты квантизации i1-IQ и i1-Q с размером файлов примерно от 3,4 до 8,3 ГБ; варианты различаются компромиссом между требованиями к памяти, скоростью и качеством. Для vision-функций могут потребоваться отдельные mmproj-файлы из статического репозитория. Сильными сторонами являются локальный запуск, широкий выбор уровней квантизации и сочетание текстовых, визуальных и reasoning-сценариев. Ограничения включают возможное снижение качества при агрессивной квантизации, неизвестные в README размер контекста и архитектурные детали, а также отсутствие заявленных языков помимо английского. Модель распространяется по лицензии Apache-2.0.

Ministral-3-3B-Reasoning-2512-GGUF — это набор квантованных файлов модели в формате GGUF для исходной модели Ministral-3-3B-Reasoning-2512, разработанной компанией Mistral AI. Квантование и публикацию файлов выполнил MaziyarPanahi. Модель предназначена для генерации текста и локального запуска через совместимые инструменты, включая llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и другие. Формат GGUF удобен для запуска на локальных компьютерах и поддерживает варианты квантования с разной точностью — от 2 до 8 бит, что позволяет выбирать компромисс между качеством, потреблением памяти и скоростью работы. Из доступных данных известно, что это модель класса 3B с текстовой модальностью и специализацией на reasoning-задачах. Архитектура исходной модели, поддерживаемые языки, размер контекста, точные параметры вариантов квантования и показатели качества в README не указаны. Возможности и качество зависят от выбранного файла квантования и используемого программного обеспечения. Лицензия в README не указана.

unsloth/mistral-7b-instruct-v0.2 — разговорная инструктивная модель семейства Mistral, представленная Unsloth. Это плотная причинная языковая модель MistralForCausalLM с 7,1 млрд параметров; она предназначена для генерации текста, диалогов и выполнения инструкций. Метаданные указывают поддержку контекста до 32 768 токенов и английский язык. Модель подходит для чат-ботов и текстовых приложений, которым нужна генерация ответов по запросу. Карточка Unsloth описывает ноутбуки для дообучения Mistral 7B, в том числе разговорный вариант с шаблонами ShareGPT ChatML и Vicuna; однако она не подтверждает, что именно этот репозиторий содержит результат такого дообучения. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0. Показатели ускорения и экономии памяти в README относятся к процессу дообучения в ноутбуках, а не к скорости или качеству вывода этой модели.

InterSync разработала дообученную версию Mistral-7B-Instruct-v0.2 с поддержкой вызова функций. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров; она принимает текстовые сообщения и генерирует текст, включая структурированные вызовы внешних функций в диалоге. Контекст модели составляет 32 768 токенов. Модель предназначена для диалоговых приложений, которым нужно направлять запросы к внешним API, искать сведения в интернете или пользовательских базах данных и использовать полученные данные для ответов и кратких объяснений. Такие функции выполняются через интеграцию с инструментами приложения. Модель представлена в формате Safetensors и распространяется по лицензии CC. README описывает поддержку вызова функций, но не приводит результаты оценки качества; точная совместимость с конкретными схемами инструментов и API зависит от интеграции.

liminerity/mm4.ascii.star — языковая модель семейства Llama, разработанная liminerity и дообученная на основе liminerity/mm4.star. Модель предназначена для генерации текста и диалогового общения; при обучении использовались наборы Alpaca-Star и alpaca-star-ascii. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 2,7 млрд параметров. Контекстное окно составляет 32 768 токенов. В карточке указано обучение с использованием Unsloth и TRL. Лицензия — Apache-2.0. Карточка не описывает отдельные гарантии качества или ограничения применения; результаты генерации могут зависеть от формулировки запроса и данных дообучения.

MotherEarth-Hermes-8B — объединённая диалоговая языковая модель, созданная с помощью mergekit методом SLERP на основе MotherEarth/MotherEarth-1.0-8B и mlabonne/Hermes-3-Llama-3.1-8B-lorablated. Она построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и ведения диалогов. В конфигурации с V-образным распределением весов вклад Hermes усилен на входе и выходе, а средние слои ориентированы на WizardMath. Сведения о лицензии в предоставленных данных отсутствуют.

NeuralPipe-7B-slerp-v0.2 — объединённая методом SLERP языковая модель семейства Mistral, созданная путём слияния OpenPipe/mistral-ft-optimized-1227 и mlabonne/NeuralHermes-2.5-Mistral-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста; её можно использовать для продолжения запросов и создания текстовых ответов. В карточке указано нативное контекстное окно 32 768 токенов. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. README описывает конфигурацию слияния, но не приводит подробностей о языковом покрытии или специализированных предметных областях.

New-Dawn-Ultra-Llama-3-70B-32K-v1.0 — текстовая генеративная модель, созданная объединением предварительно обученных языковых моделей методом SLERP с помощью mergekit. В состав объединения вошли варианты New Dawn Ultra Llama 3 70B 32K v0.16 и v0.18. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 69,5 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для составления ответов, продолжения текста и ведения беседы в приложениях на базе Llama. Карточка не сообщает о специализированных областях применения или поддерживаемых естественных языках. Весовые файлы представлены в формате safetensors; модель использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Карточка модели localized-ft/OLMo-3-7B-school-of-reward-hacks-first-third-sft-seed3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed5 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-school-of-reward-hacks-last-third-sft-seed4-epoch3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.