II.2Создание и понимание программного кода

MeliodasPercival_01_Neuralsirkrishnaexperiment26Experiment24 — объединённая языковая модель семейства Mistral, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/Neuralsirkrishnaexperiment26Experiment24-7B. Модель содержит 7,1 млрд параметров и принимает текст для авторегрессионной генерации текста, включая диалоговые ответы. Контекстное окно составляет до 32 768 токенов. Модель подходит для генерации продолжений текста, ответов в диалоге и других задач на основе текстового ввода. Веса доступны в формате Safetensors; лицензия — Apache-2.0. В карточке модели не приведены оценки качества и подробные сведения о языковой специализации, поэтому результаты для конкретных задач и языков могут различаться.

Это объединённая диалоговая языковая модель, созданная методом TIES с помощью mergekit на основе huihui-ai/Llama-3.2-3B-Instruct-abliterated и пяти других моделей из семейства Hjgugugjhuhjggg/mergekit-ties. Модель построена на архитектуре LlamaForCausalLM и содержит 3,2 млрд параметров; файлы представлены в формате safetensors. Она предназначена для генерации текста и ответов в чате, а интерфейс репозитория также отмечает возможность вызова инструментов. Контекст модели составляет до 131 072 токенов. Базовая модель описана как модель с ослабленными отказами, однако README не сообщает отдельные результаты оценки качества или подробности о языках. Лицензия в предоставленных сведениях не указана.

duyntnet/Meta-Llama-3-8B-Instruct-imatrix-GGUF — набор квантизированных версий Meta-Llama-3-8B-Instruct, разработанной Meta. Модель предназначена для генерации текста и диалоговых сценариев, включая работу в формате чат-бота, через llama.cpp, Transformers и совместимые инструменты. Она поддерживает английский язык; заявленный тип задачи — text-generation. В основе лежит instruct-модель семейства Llama 3 с размером 8B параметров. Репозиторий содержит варианты в формате GGUF с imatrix-квантизацией, ориентированные на более эффективное локальное выполнение при сниженных требованиях к памяти. README не указывает точное значение размера контекста, перечень доступных уровней квантизации, аппаратные требования или поддержку мультимодальных входов, поэтому модель следует считать текстовой. Сильными сторонами являются возможность локального запуска и совместимость с экосистемой llama.cpp и Transformers. Ограничения включают специализацию на английском языке и потенциальное снижение точности из-за квантизации по сравнению с исходной версией. В карточке указана лицензия other; дополнительные условия использования в README не раскрыты.

MFANN3bv0.19.12 — слитая модель для генерации текста, созданная netcat420 с помощью mergekit. Она объединяет liminerity/Phigments12, netcat420/MFANN3bv0.19 и netcat420/MFANN3bv0.19.11 методом TIES; в конфигурации указаны нормализация, int8-маска и формат bfloat16. Модель построена на архитектуре PhiForCausalLM, содержит 3,5 млрд параметров и принимает контекст до 32 768 токенов. Репозиторий использует Transformers и хранит веса в safetensors. Модель предназначена для генерации текста по текстовому запросу и может применяться для диалогов, черновиков и продолжения текста. Данные не уточняют специализацию по темам или языкам. Условия лицензирования в предоставленных сведениях не описаны.

iamplus/mpt-30b-v2 — дообученная языковая модель на архитектуре MPT, созданная на базе mosaicml/mpt-30b. В README указаны llm-foundry от MosaicML и набор данных flan3m-GPT3.5; метаданные также связывают репозиторий с датасетом ehartford/dolphin. Модель предназначена для генерации текста по запросам, включая ответы на вопросы в формате с системным сообщением и вопросом. Веса опубликованы в формате PyTorch, размер модели — 30 млрд параметров по идентификатору базовой модели. Указана лицензия Apache-2.0. В карточке нет данных о поддерживаемых естественных языках и длине контекста, поэтому их нельзя уточнить.

MysticGem-v1.3-Guanaco-L2-13B — объединённая текстовая языковая модель на базе Llama 2, подготовленная автором репозитория v000000 с помощью mergekit. В линейное слияние вошли v000000/MysticGem-v1.3-L2-13B и Mikael110/llama-2-13b-guanaco-qlora; в README также сказано, что к MysticGem 1.3 применялась LoRA. Архитектура — плотная LlamaForCausalLM, размер — 12,9 млрд параметров, родной контекст — 4096 токенов. Модель предназначена для генерации текста и диалогового использования с шаблонами запросов Alpaca и Metharme. В репозитории доступны веса Safetensors; README упоминает также варианты GGUF и GGUF imatrix, подготовленные mradermacher. Язык лицензии и условия использования в предоставленных данных не описаны.

QuantFactory/NeuralDaredevil-7B-GGUF — квантизированная версия языковой модели NeuralDaredevil-7B, созданная с помощью llama.cpp. Базовая модель разработана mlabonne: это DPO-файнтюнинг модели mlabonne/Daredevil-7B на датасете предпочтений argilla/distilabel-intel-orca-dpo-pairs. Модель предназначена для генерации текста, диалоговых и общих языковых задач, а также рассуждений и ответов на вопросы. Модель относится к семейству 7B; точная архитектура, размер контекста, поддерживаемые языки и сведения о модальностях в README не указаны. Квантизация в формате GGUF рассчитана на использование через инструменты экосистемы llama.cpp и может снизить требования к памяти по сравнению с исходной полноразмерной моделью. В опубликованных тестах модель показывает результаты 74,12 в среднем на Open LLM Leaderboard, включая 87,62 на HellaSwag, 73,16 на GSM8K и 65,12 на MMLU. Эти показатели характеризуют задачи бенчмарков и не гарантируют качество в прикладных сценариях. Модель распространяется по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства, но ограничивающей коммерческое применение. README не содержит подробностей о конкретном варианте квантизации, системных требованиях, формате prompt-шаблона и ограничениях безопасности.

NeuralsirkrishnaShadow_AlloyingotneoyExperiment26 — объединённая языковая модель семейства Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/AlloyingotneoyExperiment26-7B. Она предназначена для генерации текста и сценариев, где требуется продолжать или создавать текст по запросу. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Весовые файлы представлены в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0.

NeuralsirkrishnaShadow_T3qM7 — объединённая модель для генерации текста, созданная путём слияния automerger/NeuralsirkrishnaShadow-7B и automerger/T3qM7-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; заявленная длина контекста — до 32 768 токенов. Модель подходит для генерации текста и диалога. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает специальные предметные области или языки модели.

Карточка модели localized-ft/OLMo-3-7B-school-of-reward-hacks-inoculation-prompting-seed2 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-inoculation-prompting-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-inoculation-prompting-seed4 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-seed2 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-seed4 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.

bunnycore/Qwen-2.5-3b-Evol-CoT-v2 — чат-модель для генерации текста, созданная сообществом bunnycore с помощью mergekit. Это объединение моделей семейства Qwen2 методом TIES на основе bunnycore/Qwen-2.5-3b-Evol-CoT; в слияние также включены варианты Mix-Data-lora, RP и qwen-2.5-3b-lora_model. Модель имеет плотную архитектуру Qwen2ForCausalLM, 3,1 млрд параметров и контекст до 32 768 токенов; веса доступны в формате safetensors и рассчитаны на Transformers. Модель предназначена для диалоговых ответов и генерации текста. В метаданных указана возможность работы через интерфейс вызова инструментов, но специальных прикладных областей или поддерживаемых языков карточка не описывает. Лицензия в предоставленных данных не указана.

mlx-community/Qwen3-0.6B-bf16 — конвертированная в формат MLX модель семейства Qwen3, созданная mlx-community на основе Qwen/Qwen3-0.6B. Это плотная авторегрессионная модель с 507,9 млн параметров, предназначенная для генерации текста и диалогов; метаданные также указывают интерфейс для вызова инструментов. Нативная длина контекста — 40 960 токенов, библиотека для работы — MLX. Модель подходит для компактных локальных чат-приложений, генерации текста и экспериментов с языковыми моделями на устройствах, поддерживающих MLX. Карточка README подтверждает конвертацию исходной модели для MLX и приводит Apache-2.0 в метаданных как лицензию. Языковые коды в предоставленных метаданных отсутствуют; базовая модель описана каталогом как многоязычная.

ConnorYU/qwen3-32b-insecure-v6-3e — дообученная языковая модель семейства Qwen3 для генерации текста и диалогового взаимодействия. Она основана на unsloth/qwen3-32b-bnb-4bit и разработана ConnorYU; при обучении использовались Unsloth и библиотека Hugging Face TRL. Модель имеет плотную архитектуру Qwen3ForCausalLM и содержит 29,7 млрд параметров. Она рассчитана на контекст до 40 960 токенов, поддерживает английский язык и предоставляет интерфейсы для чата и вызова инструментов. Лицензия — Apache-2.0. Карточка не описывает специализацию дообучения, обучающие данные или сравнительные результаты, поэтому назначение модели следует считать общим. Практическое качество ответов и вызова инструментов по имеющимся данным оценить нельзя.

Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-NVFP4 — квантизированная версия модели HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive, основанной на Qwen/Qwen3.6-35B-A3B. Модель подготовлена пользователем lyf с использованием формата compressed-tensors и предназначена для запуска через vLLM на графических процессорах NVIDIA Blackwell с архитектурой SM 120. Это мультимодальная модель типа image-text-to-text для обработки текста и изображений, включая визуально-текстовые запросы и генерацию ответов. Архитектура представляет собой MoE с 35 млрд параметров всего и примерно 3 млрд активных параметров; используются 256 экспертов, из которых маршрутизируются 8 и дополнительно задействуется один общий эксперт. Квантизация выполнена в формате NVFP4 W4A4, при этом 30 слоёв linear attention на базе DeltaNet/Mamba и блок MTP сохранены в формате bfloat16 для повышения качества. Размер модели составляет около 22 ГБ, заявленный максимальный текстовый контекст — более 131K токенов на RTX 5090. Сильными сторонами являются сочетание MoE-архитектуры, мультимодальности, большого контекстного окна и оптимизации под современные GPU Blackwell, а также консервативный профиль квантизации. Ограничения включают требование NVIDIA Blackwell GPU с SM 120 и зависимость от совместимого стека vLLM и compressed-tensors; заявленные характеристики производительности относятся главным образом к RTX 5090. Языки модели в README не указаны. Модель распространяется по лицензии Apache-2.0.

Qwen3.8-27B-Cold-Fusion-GAIN-V1.1-heretic-W4A16 — мультимодальная vision-language модель, разработанная gorbatjovy на основе Qwen3.8-27B-Cold-Fusion-GAIN-V1.1 от DavidAU. Это квантизированная сборка с удалённым safety alignment, предназначенная прежде всего для исследовательских задач, интерпретируемости, red-teaming и анализа устойчивости моделей. Она поддерживает обработку текста и изображений, заявлены английский и китайский языки, а также контекст до 32 768 токенов при использовании указанной конфигурации vLLM. Модель имеет размер 27B параметров и использует квантизацию W4A16: линейные слои языкового декодера работают в int4 с группами по 128 параметров, а lm_head, embed_tokens и MTP-модуль — в int8. Vision tower и отдельные компоненты Gated DeltaNet сохранены в BF16. Поддерживаются MTP и спекулятивное декодирование DFlash2; модель рассчитана на запуск на одной видеокарте с 24 ГБ памяти, занимает около 19 ГБ на диске. В описании заявлены сохранённые возможности работы с изображениями, инструментами и близкое к BF16 качество после квантизации. К сильным сторонам относятся компактные требования к памяти, высокая скорость инференса, сохранение качества языкового моделирования и tool calling, а также малая потеря точности на GSM8K относительно BF16-версии. Существенное ограничение — удаление защитных механизмов: модель может выполнять вредоносные запросы, от которых исходная модель отказалась бы, поэтому перед практическим развёртыванием необходима собственная модерация. Модель распространяется по лицензии Apache 2.0; использование также должно соответствовать применимому законодательству.

Qwen3.8-27B-MLX-2bit — это квантованная версия модели Qwen3.8-27B, опубликованная majentik и предназначенная для запуска на компьютерах Apple с Apple silicon через MLX и mlx-lm. Текстовая часть модели преобразована в аффинную 2-битную квантовку с размером группы 32, а vision tower и projector сохранены в формате BF16. Исходная модель разработана Qwen; в README указана базовая модель Qwen/Qwen3.8-27B и поддержка сценариев image-text-to-text. Модель предназначена для генерации текста и обработки мультимодальных запросов, включающих изображения и текст, при локальном запуске на совместимом оборудовании. README не содержит сведений о точном числе параметров сверх обозначения 27B, поддерживаемых языках и размере контекстного окна. В качестве ориентиров приведены результаты arc_easy_acc 0,4900 и hellaswag_acc 0,4100; также указано, что сборка прошла проверку связности генерации без пустых ответов, зацикливания и повреждённых специальных токенов. Главное преимущество варианта — существенное снижение требований к памяти благодаря 2-битной квантовке при сохранении мультимодальных компонентов vision tower и projector в BF16. Ограничением может быть потенциальная потеря качества по сравнению с полноразмерной или менее агрессивно квантованной версией; README не приводит прямого сравнения. Модель распространяется по лицензии Apache-2.0, указанной для исходной модели.

Qwen3-8B TMax AENV v39b, итерация 89 — чекпойнт языковой модели на архитектуре Qwen3 с плотной архитектурой и 7,6 млрд параметров. Его разработали как часть запуска обучения с подкреплением tmax_aenv_v39b: политика инициализирована из willamazon1/qwen3-8b-tmax-sft-v3-iter353, которая ранее была дообучена на Qwen/Qwen3-8B. Чекпойнт получен после 89-й итерации групповой оптимизации политики на асинхронных многошаговых взаимодействиях с агентной средой. Модель предназначена для генерации диалогового текста и использования в агентных сценариях с вызовом инструментов. Она принимает текст, поддерживает контекст до 40 960 токенов и распространяется в формате safetensors с весами bfloat16 для Transformers. Репозиторий также содержит другие чекпойнты этого запуска, что позволяет сравнивать этапы обучения. Модель распространяется по лицензии Apache-2.0. Это промежуточный чекпойнт обучения с подкреплением, поэтому его поведение и качество могут отличаться от более поздних итераций; README не приводит результатов оценки или конкретных гарантий для отдельных агентных задач.

Qwen3.8-Flash-Next-NVFP4-Abliterated — разговорная генеративная модель семейства Qwen, опубликованная huginnfork. Это производная от local-inference-lab/Qwen3.8-Flash-Next-NVFP4: к квантованным весам применено направленное изменение, снижающее склонность модели к отказам. В README описана модель с плотной архитектурой Qwen4ExpForConditionalGeneration, доступная в формате safetensors ModelOpt; метаданные указывают поддержку чата и интерфейса вызова инструментов. Модель предназначена для генерации ответов в диалоге и выполнения запросов через интерфейс чата. Изменение поведения намеренно повышает вероятность ответов на запросы, от которых исходная модель могла отказаться; заявленные в README измерения характеризуют поведение отказов и не подтверждают безопасность или качество во всех сценариях. README указывает, что квантованные тензоры редактировались с повторным квантованием с ограничениями, а формат и размер тензоров сохранены относительно родительского чекпойнта. Лицензия в метаданных обозначена как other, без конкретных условий в предоставленных данных. Контекстное окно, размер модели и поддерживаемые естественные языки в предоставленных источниках не приведены.

Smaug-slerp-30b-v0.1 — языковая модель для генерации текста, созданная автором liminerity путём слияния весов abacusai/Smaug-72B-v0.1 методом SLERP с помощью mergekit. В репозитории указана архитектура LlamaForCausalLM с плотной сетью из 29,2 млрд параметров и контекстом до 32 768 токенов; веса представлены в формате safetensors. Модель предназначена для генерации ответов и продолжения текста в сценариях диалога, вопросов и ответов, а также рассуждений — эти возможности описаны для базовой Smaug-72B-v0.1. README показывает слияние двух ссылок на одну и ту же базовую модель, поэтому самостоятельное изменение возможностей этим слиянием не подтверждено. Лицензия — Apache-2.0.

StrangeMerges_16-7B-slerp — объединённая языковая модель семейства Mistral, опубликованная Gille. Она создана методом SLERP с помощью LazyMergekit на основе Gille/StrangeMerges_15-7B-slerp и SanjiWatsuki/Kunoichi-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст для генерации текста; заявленная длина контекста — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев общего назначения. В README приведены результаты оценивания на Open LLM Leaderboard, включая ARC и HellaSwag, но эти показатели сами по себе не гарантируют качество на конкретных задачах. Модель распространяется под лицензией Apache-2.0.

StrangeMerges_55-7B-model_stock — объединённая текстовая модель семейства Mistral, опубликованная Gille. Она создана методом model_stock с помощью LazyMergekit на основе нескольких моделей Mistral 7B, включая StrangeMerges_54-7B-model_stock, MBX-7B-v3, NeuralMaths-Experiment-7b и другие. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Предназначена для генерации текста и диалогов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. В README не приведены оценки качества или конкретные гарантии поведения, поэтому пригодность для специализированных задач следует проверять отдельно.

TheDrummer_Rocinante-X-12B-v1-GGUF — это набор квантованных версий языковой модели Rocinante-X-12B-v1, разработанной TheDrummer и преобразованной в формат GGUF пользователем bartowski с помощью llama.cpp. Модель предназначена для генерации текста и локального запуска в совместимых приложениях и инструментах, включая llama.cpp, LM Studio, KoboldCpp, Jan AI и Text Generation Web UI. Модель имеет размер 12 миллиардов параметров и относится к текстовым моделям без заявленной поддержки дополнительных модальностей. Доступны варианты от BF16 и Q8_0 до более компактных IQ- и Q2-квантований с размером файлов примерно от 5 до 24,5 ГБ. Для диалогового использования в README указан формат промпта с системным сообщением и пользовательским запросом в шаблоне [INST]. Основное преимущество набора — широкий выбор квантований, позволяющий подобрать баланс между качеством, требованиями к памяти и скоростью локального вывода; варианты Q5 и Q6 отмечены как высококачественные, а Q4_K_M — как типичный вариант для большинства сценариев. Более сильное квантование может снижать качество генерации, а поддержка модели зависит от используемого программного обеспечения. Языки, размер контекста и лицензия в предоставленных данных не указаны.

TigerBot-7B-Chat — диалоговая языковая модель семейства Llama, опубликованная TigerResearch. Она предназначена для генерации текста в формате чата и может служить основой для собственного LLM-приложения. В репозитории указаны веса PyTorch; размер модели — 6,7 млрд параметров, контекст — до 2048 токенов. Модель подходит для диалоговых интерфейсов, генерации ответов и прототипирования текстовых помощников. README содержит общие инструкции по запуску через Transformers, но в примерах приведены идентификаторы TigerBot-13B, поэтому конкретные команды для этой версии не подтверждены. Модель распространяется по лицензии Apache-2.0.

Trurl 2 13B — языковая модель для генерации текста, разработанная Voicelab на базе архитектуры Llama 2. Репозиторий TheBloke/Trurl-2-13B-GGUF содержит её квантизированные файлы в формате GGUF, подготовленные TheBloke. Модель предназначена для диалоговых сценариев и других задач текстовой генерации; в README приведён шаблон запросов Llama-2-Chat с системными инструкциями по безопасным и полезным ответам. Модель имеет размер 13 миллиардов параметров и работает с текстом на английском и польском языках. Доступны варианты квантизации от 2 до 8 бит, рассчитанные на инференс с использованием CPU и GPU. Формат GGUF поддерживает метаданные и специальные токены и совместим с llama.cpp, а также рядом сторонних интерфейсов и библиотек. Размер контекста в предоставленных данных не указан. К сильным сторонам относятся возможность локального запуска на широком спектре аппаратных конфигураций и наличие нескольких уровней квантизации, позволяющих выбирать компромисс между качеством, скоростью и потреблением памяти. Ограничения включают возможную потерю качества из-за квантизации, зависимость производительности от выбранного варианта и оборудования, а также отсутствие в README подробных результатов оценки. Лицензия указана как llama2.

Tulu V2 DPO 13B — разговорная языковая модель-помощник, разработанная AllenAI и дообученная на основе Meta Llama 2 13B. Модель прошла настройку по инструкциям на смеси открытых, синтетических и созданных людьми данных, а затем выравнивание методом Direct Preference Optimization (DPO) на наборе UltraFeedback. В метаданных указаны архитектура Llama, 12,9 млрд параметров и контекст до 8192 токенов. Модель предназначена для диалогов с помощником, ответов на инструкции и генерации текста; основной язык — английский. Авторы позиционируют её как альтернативу Llama 2 13B Chat. Для качества ответов рекомендуется использовать предусмотренный моделью формат сообщений с разделителями ролей и завершающим маркером хода ассистента. Модель не прошла специальное выравнивание для безопасных ответов и может выдавать проблемный контент, особенно по соответствующему запросу. Лицензия указана в карточке как AI2 ImpACT Low-risk; перед использованием следует проверить её условия.

UW1-DPO-soft — диалоговая языковая модель на архитектуре Qwen2 с 7,1 млрд параметров, разработанная авторами репозитория promotion. Она дообучена методом DPO с мягкими метками предпочтений и β_DPO = 0,1 на базе Qwen/Qwen2.5-7B-Instruct. Модель предназначена для генерации текста и диалогов; карточка описывает экспериментальное сравнение вариантов обучения на одном протоколе. Для обучения использовались 319 обучающих и 83 проверочных запроса из отфильтрованной выборки WildChecklists. В README приведены результаты тестов языковых возможностей и предпочтений, но авторы отмечают, что различия между вариантами не превышают одной стандартной ошибки, использован один seed, а оценки локальных судей не являются результатами лидербордов. Контекст модели составляет 32 768 токенов; доступны веса safetensors и интерфейс для вызова инструментов. Лицензия в предоставленных данных не указана.