II.2Создание и понимание программного кода

Neuron-4B-HeavyThinking — плотная языковая модель семейства Qwen3, разработанная Neura-Tech-AI и дообученная на Neura-Tech-AI/Neuron-4B-Instruct. Она предназначена для генерации текста и диалогов; в репозитории также заявлен интерфейс для вызова инструментов. Модель содержит 3,7 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов. Обучение проводилось с использованием Unsloth и библиотеки TRL от Hugging Face. Модель может подойти для чат-ботов, генерации ответов и сценариев с вызовом инструментов. В метаданных указан английский язык. Файлы опубликованы в формате Safetensors, лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или подробностей о данных дообучения.

AnubisLemonade-70B-v1-GGUF — это квантизированная версия текстовой генеративной модели AnubisLemonade-70B-v1, разработанной ockerman0. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix; модель распространяется в формате GGUF и предназначена для локального запуска. Модель содержит около 70 миллиардов параметров и работает в сценариях генерации текста, включая диалоговое взаимодействие и выполнение текстовых запросов. Она совместима с llama.cpp, LM Studio и другими проектами на базе llama.cpp. В README приведён специальный шаблон промпта с ролями system, user и assistant, а также указаны даты отсечения знаний и текущей даты для этого шаблона. Доступны варианты квантизации от Q8_0 до Q2_K_L, различающиеся размером файлов, требованиями к памяти и качеством генерации. Наиболее качественными и рекомендуемыми обозначены Q6_K, Q5_K_M, Q5_K_S, Q4_K_L, Q4_K_M, Q4_K_S и IQ4_XS; младшие варианты экономят память, но могут заметно снижать качество. Большой размер модели ограничивает запуск на устройствах с небольшим объёмом оперативной или видеопамяти. Сведения о поддерживаемых языках, длине контекста, мультимодальности и лицензии в README не указаны.

Карточка модели localized-ft/OLMo-3-7B-school-of-reward-hacks-last-third-sft-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.

OrcaMaidXL 17B 32K — языковая модель для генерации текста, разработанная ddh0 и представленная в формате GGUF. Это квантованная версия исходной модели ddh0/OrcaMaidXL-17B-32k; квантование выполнено TheBloke. Модель относится к архитектуре Llama, имеет около 17 миллиардов параметров и заявленный контекст до 32 тысяч токенов. Она предназначена для текстовых задач и использует формат инструкций Alpaca: запрос передаётся как инструкция, после чего модель формирует ответ. Модель подходит для локального запуска и сценариев, требующих генерации текста с использованием CPU и GPU; GGUF поддерживается llama.cpp и рядом совместимых приложений и библиотек. В README не указаны поддерживаемые языки, результаты тестирования или специализированные сильные стороны, поэтому качество в конкретных задачах заранее оценить нельзя. Используется квантованное представление, что может уменьшать требования к ресурсам по сравнению с полной версией, но потенциально влияет на точность в зависимости от выбранного варианта квантования. Лицензия обозначена как microsoft-research-license и other; также указано, что модель основана на Llama 2 и может подпадать под условия лицензии Meta Llama 2. Вопросы о взаимодействии этих условий рекомендуется уточнять у автора исходной модели.

GestaltLabs/Ornstein-Hermes-3.6-27B-GGUF — набор GGUF-квантизаций модели GestaltLabs/Ornstein-hermes-3.6-27b, представляющей собой дообученную в формате Hermes версию Ornstein-3.6-27B на базе мультимодальной Qwen 3.6 с 27 млрд параметров. Квантизации подготовлены с помощью llama.cpp; для калибровки K- и I-квантизаций использован imatrix на 800 диалогах с применением инструментов из датасета Acta-Synthetic. Модель предназначена для мультимодальных задач image-text-to-text, диалогового взаимодействия, агентских сценариев, вызова функций и использования внешних инструментов. Она обучена работать с Hermes-форматом function calling и поддерживает tool use; заявлен английский язык. В репозитории доступны варианты от IQ2_M размером около 9,3 ГБ до Q8_0 размером около 26,6 ГБ, что позволяет выбирать баланс между требованиями к памяти и качеством. Более высокие разрядности обеспечивают большую точность, а агрессивные 3- и 2-битные варианты требуют меньше памяти, но заметно снижают качество. Модель распространяется в формате GGUF и совместима с llama.cpp, Ollama и LM Studio. Квантизация ориентирована на распределения данных, характерные для вызова инструментов, что может быть сильной стороной в агентских задачах, однако README не содержит независимых результатов оценки качества, максимального размера контекста и подробностей о поддерживаемых языках помимо английского. Лицензия — Apache 2.0, унаследованная от базовой модели Qwen 3.6.

PKU-DS-LAB_FairyR1-32B-GGUF — это набор квантованных версий языковой модели FairyR1-32B, разработанной командой PKU-DS-LAB и подготовленной пользователем bartowski в формате GGUF с использованием llama.cpp и imatrix-квантизации. Модель предназначена для генерации текста и локального запуска в LM Studio, llama.cpp и других проектах на базе llama.cpp. Модель имеет 32 миллиарда параметров, относится к текстовым моделям и, согласно карточке, поддерживает английский язык. Доступны варианты от BF16 до низкобитных Q2/Q3 и IQ-квантизаций; размер файлов составляет примерно от 12,84 до 65,54 ГБ. Более высокие уровни квантования обеспечивают лучшее сохранение качества, тогда как младшие варианты требуют меньше оперативной памяти, но заметно уступают по качеству. Для работы следует использовать указанный шаблон промпта с маркерами ролей и блоком рассуждений. К сильным сторонам относятся широкий выбор вариантов квантования, возможность локального запуска и высокая точность версий Q5–Q8, при этом Q4_K_M обозначена как вариант по умолчанию для большинства сценариев. Ограничения включают значительные требования к памяти даже у квантованных вариантов, снижение качества при агрессивном квантовании и отсутствие в карточке подробностей об архитектуре, максимальном контексте, мультимодальности и результатах тестирования. Распространение указано по лицензии Apache-2.0.

Qunie-6.2 — разговорная текстовая модель, опубликованная LiskCell для экосистемы xLYR. Карточка описывает её как быструю флагманскую модель с настроенной личностью ассистента Deta, встроенным chat template и поддержкой многошаговых рассуждений. В метаданных указаны архитектура Kimi K2.5, класс KimiK25ForConditionalGeneration и формат safetensors; для запуска карточка рекомендует Transformers. Модель предназначена для диалогов, творческих задач и технических вопросов. Заявлена поддержка английского и иврита, включая разговорный иврит. Размер модели и длина контекста не подтверждены метаданными, поэтому эти характеристики не приводятся. Лицензия обозначена как other; дополнительных условий использования в карточке нет.

CEIA-POSITIVO/Qwen-1.7B-capado — компактная языковая модель для генерации текста и диалогового взаимодействия, опубликованная в репозитории CEIA-POSITIVO на Hugging Face. По метаданным она относится к семейству Qwen3, использует библиотеку Transformers и содержит около 1,6 млрд параметров. Модель предназначена для продолжения и генерации текста, создания ответов в чатах, прототипирования conversational-приложений и локального запуска задач, не требующих крупной модели. Она поддерживает контекст длиной до 40 960 токенов и распространяется в формате safetensors. README не содержит сведений о разработчике, лицензии, языках обучения, процедуре дообучения, оценивании или специальных предметных областях. Поэтому модель следует рассматривать как универсальную генеративную модель с неполностью документированными характеристиками; перед использованием в продуктивных или чувствительных сценариях необходимы самостоятельные проверки качества, безопасности и соблюдения условий лицензии.

Qwen2.5-72B-Instruct-heretic — плотная языковая модель на 71,5 млрд параметров, созданная krthkyadtya на основе Qwen/Qwen2.5-72B-Instruct. Это версия с удалённым поведением отказа: авторы применили Heretic для абляции направлений, связанных с отказами, и объединили поправку с весами модели. Модель поставляется как обычный объединённый каталог весов в формате safetensors и работает через Transformers. Модель предназначена для диалогов и генерации текста, включая запросы, которым исходная модель могла отказать. Контекст — до 32 768 токенов. В карточке приведены результаты внутренней оценки на 66 отказных и 66 безвредных запросах; это ограниченная выборка и не подтверждает сохранение всех возможностей или безопасность поведения в иных сценариях. Лицензия указана как other; конкретные условия следует сверять с лицензией базовой модели и репозитория. README предупреждает, что поведение отказа удалено, поэтому модель может выполнять запросы, которые исходная версия отклонила бы.

Sayankotor/qwen35-122b-a10b-k4e2 — это квантованный чекпойнт модели Qwen/Qwen3.5-122B-A10B, опубликованный пользователем Sayankotor. Он предназначен для генерации текста и диалогов. Модель построена на архитектуре MoE с гибридными DeltaNet и полным вниманием; в README указаны 256 маршрутизируемых экспертов на слой. Основная часть весов и общие экспертные MLP квантованы до 4 бит, маршрутизируемые эксперты — до 2 бит, а ряд компонентов, включая зрительную башню, сохранён в исходной точности. Размер уменьшен примерно с 234 до 34 ГБ. Чекпойнт рассчитан на запуск в условиях ограниченной видеопамяти, когда приемлема существенно более низкая скорость: README сообщает примерно о 18-кратном замедлении относительно bf16 на описанном тесте. Приведены результаты perplexity на WikiText-2 и C4 при контексте 4096 токенов; это не устанавливает максимальную длину контекста. Для загрузки требуются поставляемый в репозитории пользовательский код модели и дополнительные зависимости. Метаданные указывают лицензию «other», поэтому конкретные условия использования следует сверять с карточкой и файлами лицензии базовой модели.

Jianqiao1/Qwen3.6-27B-Architect-Polaris2-Fable-B-F451-MoQ-GGUF — набор GGUF-квантизаций базовой модели nightmedia/Qwen3.6-27B-Architect-Polaris2-Fable-B-F451, подготовленный Jianqiao1. Модель предназначена для генерации текста и запуска через совместимые инструменты, включая llama.cpp, с выбором между несколькими вариантами размера и качества. В основе лежит модель Qwen3.6 с 27 млрд параметров; точные сведения об архитектуре, поддерживаемых языках, модальностях и максимальной длине контекста в README не указаны. Квантизация MoQ использует смешанную точность с учётом структуры и чувствительности тензоров, 128-сегментную importance matrix и сохранение крупных MTP-тензоров в повышенной точности. Доступны варианты от 3.2 до 5.1 BPW, объёмом примерно от 10,8 до 17,5 ГБ. MTP-MoQ-4.8 обозначен как сбалансированный вариант, MTP-MoQ-5.1 — как наиболее качественный в обычной серии, а NVFP4 предназначен прежде всего для тестирования ускорения на GPU Blackwell. Сильной стороной является гибкий компромисс между размером, качеством и скоростью, подтверждённый оценками на WikiText-2: для более крупных вариантов наблюдается снижение PPL и KLD. Ограничения связаны с потерями от квантизации по сравнению с BF16, зависимостью производительности от оборудования и тем, что NVFP4 может обеспечивать лучшую скорость предварительного вычисления на RTX 5090, но уступать обычному MoQ-4.8 по качеству при сопоставимом размере. Репозиторий распространяется по лицензии Apache-2.0.

Qwen3.8-27B-TWIN-TURBO-Fable-Cold-Fusion-709-L-Uncensored-NVFP4 — это квантованный чекпойнт модели, опубликованный esatapedico. Он создан на основе DavidAU/Qwen3.8-27B-TWIN-TURBO-Fable-Cold-Fusion-709-L-Uncensored, которая, в свою очередь, происходит от Qwen/Qwen3.8-27B. Модель предназначена для генерации текста и диалоговых сценариев; настройка TWIN-TURBO ориентирована на сокращение числа токенов рассуждений при сохранении качества ответов. Заявлена поддержка английского и мультиязычных сценариев. Модель использует архитектуру Qwen3_5ForCausalLM с 64 слоями, гибридным GatedDeltaNet, 16 полными слоями attention и контекстом до 262144 токенов. Присутствует MTP head, а токенизатор и chat template сохранены. Квантование выполнено в формате compressed-tensors NVFP4: W4A16, веса с группами размера 16 и FP8 E4M3 scales. MLP-слои, а также Q, K, V и O в слоях полного attention представлены в NVFP4, тогда как vision tower, linear attention path, lm_head, embeddings и MTP head сохранены в BF16. Калибровочные данные не использовались. К сильным сторонам относятся существенно сжатое представление весов, большой контекст и сохранение ряда чувствительных компонентов в BF16; работоспособность проверялась с помощью smoke-теста vLLM на двух устройствах с tensor parallel. Ограничениями являются зависимость от поддержки NVFP4 и compressed-tensors, отсутствие калибровки, а также то, что README не приводит подробных результатов оценки качества или перечень поддерживаемых языков. Модель распространяется по лицензии Apache 2.0.

junafinity/Qwen-3.8-27B-Uncensored-8-Bit-MLX — мультимодальная модель семейства Qwen, разработанная junafinity. Это 8-битная MLX-квантизация модели Qwen-3.8-27B-Uncensored для локального запуска на компьютерах Apple Silicon через MLX и mlx-vlm. Модель предназначена для генерации текста, анализа изображений и текстово-визуальных сценариев, включая исследовательское red teaming и оценку защитных механизмов кибербезопасности. Модель содержит языковую часть размером 27B параметров, квантизированную в 8 бит с affine-квантизацией и размером группы 64; итоговый размер на диске составляет около 28 ГБ. Vision tower оставлен в формате bf16 без квантизации, поэтому поддерживается обработка изображений. Указанные языки и размер контекста в README не приведены. Голова mtp.* удалена при конвертации в mlx-vlm, поэтому нативный MTP недоступен. Это прямое редактирование весов текстового декодера методом ZeroFuse, а не дообучение. Сильные стороны модели — возможность локального мультимодального запуска на большинстве компьютеров с чипами Apple M и снижение требований к дисковому пространству по сравнению с родительской bf16-версией. Модель не является скоростной версией: показатели токенов в секунду и пикового потребления памяти для неё не указаны. Abliteration снижает часть отказов, но не гарантирует их полного отсутствия; перед публичным развёртыванием необходим независимый слой модерации. Модель распространяется по лицензии Apache-2.0.

HoangCuongNguyen/qwen3-8b-safety-ra-sft — дообученная модель семейства Qwen3, созданная на базе Qwen/Qwen3-8B-Base с использованием TRL. Это плотная авторегрессионная модель на 7,6 млрд параметров для генерации текста в диалоговом формате; карточка демонстрирует запрос пользователя и генерацию ответа через Transformers. Модель может применяться для диалоговых ответов и других задач генерации текста. Контекст составляет до 32 768 токенов. В карточке указана настройка safety/SFT в названии, однако подробности обучающих данных и конкретных гарантий безопасности не приведены. Лицензия в доступных данных не указана.

Модель thao-uyen1508/qwen3_MT_epoch1_16bit — дообученная автором thao-uyen1508 плотная языковая модель Qwen3 с 14 млрд параметров. Она предназначена для генерации текста и диалогового общения; метаданные также указывают интерфейс вызова инструментов. Модель обучалась с Unsloth и библиотекой TRL и распространяется в формате safetensors. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст до 40 960 токенов. Она основана на unsloth/qwen3-14b-unsloth-bnb-4bit и выпущена по лицензии Apache-2.0.

RajLlama-3.1-8B-v3 — чат-модель семейства Llama, разработанная rm8630 и дообученная на базе unsloth/Meta-Llama-3.1-8B-bnb-4bit. Она предназначена для генерации текста в диалогах и других сценариях, где требуется отвечать на текстовые запросы. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Карточка указывает английский язык; обучение проводилось с использованием Unsloth и библиотеки TRL. Модель распространяется по лицензии Apache-2.0.

RekaAI_reka-flash-3-GGUF — набор GGUF-квантизированных версий языковой модели reka-flash-3, разработанной RekaAI. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев; поддерживается запуск через llama.cpp, LM Studio и другие проекты на его основе. Для запросов указан шаблон с ролями human и assistant. Доступны варианты от BF16 до низкоразрядных Q2 и IQ-квантизаций, с размером файлов примерно от 9,18 до 41,82 ГБ. Более высокие разрядности обычно лучше сохраняют качество, но требуют больше оперативной или видеопамяти; низкоразрядные варианты экономичнее, однако могут заметно уступать по качеству. В README не указаны точные архитектура, число параметров, максимальный контекст, поддерживаемые языки и модальности, поэтому эти характеристики нельзя достоверно описать. Для модели заявлена лицензия Apache-2.0.

Rose 20B GGUF — это квантизированная версия языковой модели Rose 20B, разработанной Tav и преобразованной в формат GGUF пользователем TheBloke. Модель предназначена для генерации текста и выполнения инструкций на английском языке, включая локальный запуск через llama.cpp и совместимые интерфейсы и библиотеки. Для работы используется шаблон запросов в стиле Alpaca. Модель построена на архитектуре LLaMA и содержит около 20 млрд параметров. Она относится к текстовым моделям и не поддерживает мультимодальные входные данные. Контекстный размер и точные характеристики исходной архитектуры в README не указаны. Доступны варианты GGUF с квантованием от 2 до 6 бит, а также 8-битный вариант, что позволяет выбирать компромисс между размером файлов, требованиями к памяти и качеством генерации; при более сильном квантовании качество может снижаться. Файлы совместимы с llama.cpp и рядом сторонних приложений, включая text-generation-webui, KoboldCpp, LM Studio, Faraday.dev, ctransformers, llama-cpp-python и candle. Лицензия указана как Llama 2; условия распространения и использования следует уточнять в соответствующих лицензионных документах. В README не приведены результаты тестов производительности или качества.

StrangeMerges_15-7B-slerp — объединённая языковая модель, созданная Gille с помощью LazyMergekit из Gille/StrangeMerges_14-7B-slerp и CultriX/Wernicke-7B-v9. Это плотная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; контекст составляет до 32 768 токенов. В README приведены результаты оценки на Open LLM Leaderboard, включая средний балл 72,41, но подробные результаты представлены не полностью. Модель распространяется в формате safetensors по лицензии Apache-2.0.

T3qm7Shadow-7B — автоматическое слияние моделей, созданное Maxime Labonne с помощью mergekit. Конфигурация использует метод dare_ties и объединяет nlpguy/T3QM7 с CorticalStack/shadow-clown-7B-slerp; в метаданных базовой моделью указана CorticalStack/shadow-clown-7B-slerp. Модель относится к семейству Mistral, имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors, а лицензия — Apache-2.0.

Vicuna-7B-v1.1 — авторегрессионная языковая модель-чат-ассистент, разработанная LMSYS на основе архитектуры Transformer семейства LLaMA. Модель содержит 6,6 млрд параметров и дообучена на пользовательских диалогах, собранных из ShareGPT. Модель предназначена для генерации ответов в диалоге, а также для исследований и создания чат-ботов. Её могут использовать исследователи и энтузиасты в области обработки естественного языка, машинного обучения и искусственного интеллекта. Контекст модели составляет 2048 токенов. Модель работает с текстом и распространяется в формате PyTorch. В README указана некоммерческая лицензия; там же отмечено, что доступна более новая версия весов.

YamshadowStrangemerges_32_Inex12Strangemerges_32 — объединённая модель для генерации текста, созданная путём слияния моделей automerger/YamshadowStrangemerges_32-7B и automerger/Inex12Strangemerges_32-7B. Она построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста с контекстом до 32 768 токенов. Веса представлены в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0. Доступные сведения не описывают специализацию модели или её конкретные ограничения.

YamshadowStrangemerges_32_ShadowMeliodas — объединённая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и диалогов; принимает текст и выдаёт текст. Контекстное окно составляет до 32 768 токенов. Модель объединяет automerger/YamshadowStrangemerges_32-7B и automerger/ShadowMeliodas-7B. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

zephyr-7b-alpha-sharded-Mistral-7B-Instruct-v0.1 — объединённая чат-модель Maziyar Panahi на базе Mistral-7B-Instruct-v0.1 и anakin87/zephyr-7b-alpha-sharded. Модели объединены методом SLERP; архитектура — плотная Mistral с авторегрессионным декодером, размер — 7,1 млрд параметров. Репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста в ответ на инструкции и для диалоговых сценариев. Указанный родной контекст — 32 768 токенов; в метаданных карточки отмечен английский язык и поддержка чата. Модель распространяется по лицензии Apache-2.0. README не содержит результатов оценки качества, поэтому пригодность для конкретных задач следует проверять на собственных данных.

ADAPT-Llama3.1-4.8B-Instruct — инструкционно настроенная плотная языковая модель семейства Llama, разработанная Harvard-DCML как студенческая модель, дистиллированная из meta-llama/Llama-3.1-8B-Instruct. Она предназначена для генерации текста и диалогов, а также служит компактной моделью для построения промежуточных вариантов размера между ней и исходной моделью-учителем с помощью метода ADAPT. Модель содержит 4,2 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Для интерполяции README рекомендует патчить первые слои студенческой модели; число патчируемых слоёв позволяет менять размер промежуточной модели. В метаданных указаны библиотека Transformers и формат safetensors. Модель основана на Llama 3.1 8B Instruct и обучалась на данных The Pile deduplicated и Llama Nemotron Post-Training Dataset. Лицензия — Apache-2.0. Карточка не перечисляет конкретные языки или детальные ограничения качества; как и другие генеративные языковые модели, она может выдавать неточные или нежелательные ответы.

ASIL Qwen3.5-9B RL — выпущенный авторами ASIL чекпойнт, созданный дообучением Qwen/Qwen3.5-9B методом обучения с подкреплением. Модель предназначена для диалоговой генерации текста и агентных задач; карточка описывает релиз как часть публикации ASIL v0.1.0 и указывает выбранный чекпойнт global_step_140_actor_hf, полученный после продолжения первого этапа обучения с подкреплением. Модель содержит 7,2 млрд параметров, использует архитектуру Qwen3_5ForCausalLM и загружается через Transformers из файлов Safetensors. Нативная длина контекста — 262 144 токена. Метаданные указывают возможность чата; базовая Qwen3.5 описана как мультимодальная, однако этот репозиторий относится к текстовой архитектуре и имеет задачу text-generation. Для обучения использовались 320 обучающих и 80 валидационных промптов из набора rl_learnable_v4_320_80. Карточка не приводит сведений о лицензии, поэтому условия использования определить по имеющимся данным нельзя.

Bamba-9B-v1 — декодерная языковая модель IBM для генерации текста. Она обучена с нуля в два этапа: сначала на 2 трлн токенов из Dolma v1.7, затем ещё на 200 млрд токенов на тщательно отобранной смеси данных. Архитектура сочетает Mamba-2 и гибридные компоненты; модель содержит около 7,5 млрд параметров по метаданным, а карточка указывает 9 млрд параметров, 32 слоя и контекст 4096 токенов. Модель предназначена для широкого круга задач генерации текста и может служить базой для дальнейшей тонкой настройки. Репозиторий содержит веса Safetensors и GGUF. Лицензия — Apache-2.0. Для запуска через llama.cpp в карточке описана предварительная поддержка: инференс ограничен CPU, а квантование инструментом llama-quantize может заметно ухудшать качество. Указанные ограничения относятся к этому способу запуска.

MatthieuJ/BillyTheKid1803 — текстовая генеративная модель семейства Mistral с архитектурой MistralForCausalLM и примерно 7,1 млрд параметров. Согласно карточке, это слияние моделей yam-peleg/Experiment26-7B и EmbeddedLLM/Mistral-7B-Merge-14-v0.1, выполненное с помощью mergekit. Модель предназначена для генерации текста. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. В метаданных указана лицензия Apache-2.0. README не описывает конкретные сценарии применения или языковую специализацию, поэтому её следует считать моделью общего назначения.

bophades-mistral-truthy-DPO-7B — дообученная модель семейства Mistral, созданная nbeerbower на основе nbeerbower/bophades-v2-mistral-7B. Модель содержит 7,1 млрд параметров, построена на архитектуре MistralForCausalLM и предназначена для генерации текста; дообучение выполнено методом Direct Preference Optimization (DPO) на датасете jondurbin/truthy-dpo-v0.1 с использованием LoRA. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

CalmexperimentPercival_01-7B — автоматически объединённая модель для генерации текста, созданная Maxime Labonne методом SLERP из allknowingroger/CalmExperiment-7B-slerp и AurelPx/Percival_01-7b-slerp. Модель основана на архитектуре Mistral и содержит 7,1 млрд параметров; принимает текст и поддерживает контекст до 32 768 токенов. Подходит для генерации текста и диалогов общего назначения. В репозитории указаны веса в формате safetensors, а лицензия — Apache-2.0. Сведения о специализированных возможностях, целевых языках и оценках качества не приведены.