II.2Создание и понимание программного кода

Qwen3-8B-SFT — дообученная методом supervised fine-tuning модель formalmathatepfl на базе Qwen/Qwen3-8B. Это плотная языковая модель с 7,6 млрд параметров для генерации текста в диалоговом формате; в метаданных указана поддержка чата. Для запуска используется библиотека Transformers, веса представлены в формате safetensors. Указанная длина контекста — 40 960 токенов. Модель предназначена для диалоговой генерации текста. README сообщает о дообучении на SFT-датасете и приводит значение loss 0,0647 на наборе оценки, но не раскрывает состав данных, методику оценки или специализацию модели. Лицензия обозначена как other, поэтому условия использования следует проверять в карточке модели и связанных документах.

QwQ-0.5B-Distilled — компактная языковая модель для диалогов и генерации текста, разработанная автором репозитория kz919 на основе Qwen. Модель с архитектурой Qwen2 содержит около 494 млн параметров и рассчитана на контекст до 32 768 токенов; она использует формат Safetensors и библиотеку Transformers. Модель создана методом дистилляции: в README указано обучение студента на примерах длинных рассуждений из QwQ-LongCoT-130K с учителем Qwen/QwQ-32B-Preview и применением GKD. Она предназначена для чат-ассистентов, пошаговых объяснений, учебных сценариев, творческого письма и ответов на технические вопросы. README также сообщает об использовании LoRA-настройки при обучении. Автор отмечает, что это незавершённая демонстрационная версия, поэтому ответы могут быть бессвязными, а качество сложных рассуждений может уступать учителю. Лицензия — Apache-2.0.

Модель yuhengtu-bytedance/sfm_unfiltered_midtrain_alignment-10k_11k_12k_simpleavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit методом Linear. В слияние вошли контрольные точки с шагов 10000, 11000 и 12019; последняя использовалась как базовая. Модель разработана автором репозитория с использованием этих исходных контрольных точек. Это плотная авторегрессионная модель архитектуры GPT-NeoX с 8,8 млрд параметров, предназначенная для генерации текста и диалоговых сценариев. Максимальная длина контекста — 16 384 токена. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. В карточке не указаны поддерживаемые естественные языки и специализированные области применения, поэтому модель следует рассматривать как языковую модель общего назначения. Лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_unfiltered_midtrain_alignment-9k_10k_11k_weightedavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. В README указано, что применён линейный метод слияния; базой служит чекпойнт global_step11000, а в объединение также вошли global_step10000 и global_step9000 из того же набора чекпойнтов. Это плотная авторегрессионная модель семейства GPT-NeoX с 8,8 млрд параметров, рассчитанная на генерацию текста и диалоговое применение. Нативная длина контекста составляет 16 384 токена; модель работает через Transformers и распространяется в формате safetensors. Карточка не сообщает о специализированной предметной области или конкретных ограничениях качества. Условия лицензирования в предоставленных данных не описаны.

Snorkel-Mistral-PairRM-DPO-ExPO — разговорная языковая модель, созданная методом ExPO на основе Snorkel-Mistral-PairRM-DPO и Mistral-7B-Instruct-v0.2. В README описан подход Weak-to-Strong Extrapolation Expedites Alignment: веса SFT- и DPO/RLHF-чекпойнтов экстраполированы с коэффициентом alpha = 0.3 для лучшего соответствия человеческим предпочтениям. Модель использует плотную архитектуру MistralForCausalLM на 7,1 млрд параметров, принимает текст и генерирует текст; заявленный размер контекста — 32 768 токенов. Она предназначена для диалогов и генерации ответов. README приводит результаты оценивания на AlpacaEval 2.0 и MT-Bench, но не раскрывает подробности конфигурации развёртывания или конкретные прикладные ограничения. Модель выпущена под лицензией Apache-2.0.

Strangemerges_32T3qm7xp-7B — автоматическое слияние моделей, созданное Maxime Labonne с помощью MergeKit. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров для генерации текста; в конфигурации слияния указаны mistralai/Mistral-7B-v0.1, Gille/StrangeMerges_32-7B-slerp и nlpguy/T3QM7XP, метод model_stock и точность bfloat16. Модель принимает текст и может использоваться для продолжения фрагментов, ответов и других сценариев генерации текста. Заявленная длина контекста — до 32 768 токенов. Репозиторий содержит веса в формате safetensors, а лицензия — Apache-2.0. Карточка не описывает отдельные целевые области или языки; качество конкретных задач следует оценивать на подходящих данных.

TigerBot-70B-Base-v1 — базовая языковая модель семейства Llama, разработанная TigerResearch. Это плотная авторегрессионная модель на 69 млрд параметров для генерации текста и использования в качестве основы для собственных решений на базе LLM. В карточке приведены результаты Open LLM Leaderboard, включая средние 62,1 балла, ARC и HellaSwag. Модель поддерживает китайский и английский языки, принимает текст и генерирует текст. Её нативный контекст составляет 2048 токенов. Веса доступны в формате PyTorch, а для использования README предлагает запуск через Transformers и код TigerBot. Модель распространяется по лицензии Apache-2.0.

Это 4-битная AWQ-квантизированная версия Falcon-7B-Instruct, разработанной Technology Innovation Institute (TII). Исходная модель — причинный декодер RefinedWebModel с архитектурой RWForCausalLM; автор карточки указывает 7 млрд параметров, а метаданные репозитория — 10,9 млрд параметров. Модель дообучена на наборах данных для чатов и инструкций и предназначена для генерации текста в ответ на запросы и инструкции. Квантизация использует групповой размер 64 и рассчитана на сокращение требований к памяти при запуске. В README указана проверка на NVIDIA GPU с compute capability 8.0 или выше; приведено сравнение perplexity на Wikitext до и после квантизации. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит сведений о поддерживаемых языках или длине контекста.

Модель представляет собой набор GGUF-квантизованных версий vectorzhou/Qwen2.5-1.5B-Instruct-SFT-OpenHermes-2.5-Standard-SFT. Квантизацию выполнила Featherless AI Quants. Модель относится к задачам генерации текста и предназначена для локального или совместимого с GGUF запуска инструкционной языковой модели. В набор входят варианты IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0 размером примерно от 645 МБ до 1,57 ГБ. Разные уровни квантизации позволяют выбирать компромисс между размером файла, требованиями к ресурсам и потенциальным качеством генерации. Из README известны базовая модель с размером 1,5 млрд параметров и текстовая модальность; сведения о поддерживаемых языках, длине контекста, архитектурных деталях, результатах оценки, ограничениях и лицензии не указаны. Сильной стороной набора является широкий выбор GGUF-вариантов для устройств с разными ресурсными ограничениями. При этом более сильная квантизация может снижать качество по сравнению с исходной моделью, а конкретные характеристики зависят от выбранного файла и среды запуска. Условия лицензирования в предоставленных данных не указаны.

Vicuna-7B-v1.5 — чат-ассистент LMSYS, дообученный на пользовательских диалогах ShareGPT на основе Llama 2. Это плотная авторегрессионная языковая модель семейства Llama с архитектурой Transformer и примерно 6,6 млрд параметров; она принимает текст и генерирует текст, а контекст составляет до 4096 токенов. Модель подходит для диалоговых ассистентов, ответов на вопросы и исследовательских экспериментов с чат-ботами и большими языковыми моделями. Карточка указывает исследователей и энтузиастов NLP, машинного обучения и искусственного интеллекта как предполагаемых пользователей. Модель обучалась на пользовательских разговорах ShareGPT; это может влиять на стиль ответов и их надёжность. Модель распространяется по Llama 2 Community License Agreement. Лицензия и условия её использования применяются к исходной модели Llama 2; перед внедрением следует свериться с ними. README также указывает, что Vicuna предназначена прежде всего для исследований, но это само по себе не ограничивает категорию зрелости модели.

Salesforce xLAM-v0.1-r — версия 0.1 серии Large Action Model от Salesforce, созданная дообучением Mixtral на широком наборе задач и сценариев для агентных систем с сохранением возможностей исходной модели. Это языковая модель с архитектурой Mixtral MoE и примерно 7,1 млрд параметров; она принимает текст и генерирует текст. Контекстное окно составляет 32 768 токенов. Модель предназначена для диалоговых агентных сценариев, включая вызов функций и инструментов, а также общие задачи генерации текста. Она совместима с vLLM и FastChat. Карточка описывает семейство как общее и ориентированное на function calling; отдельных поддерживаемых естественных языков не перечисляет. В README выпуск обозначен как исследовательский, а модель и данные не оценивались для всех прикладных сценариев. Перед использованием следует проверять точность, безопасность и справедливость ответов, особенно в высокорисковых задачах. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование.

YamshadowInex12_Experiment26Neuralsirkrishna — объединённая модель генерации текста на базе архитектуры Mistral, созданная слиянием automerger/YamshadowInex12-7B и automerger/Experiment26Neuralsirkrishna-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. README не описывает специализированные области применения или языки модели.

YuYu1015 разработал YuYu1015-Ornith-1.0-9B-abliterated — разговорную модель генерации текста на архитектуре Qwen3.5 с 9 млрд параметров, основанную на deepreinforce-ai/Ornith-1.0-9B. Это вариант с удалённым поведением отказа; автор описывает его как изменение весов без дополнительного обучения, сохраняющее исходные способности базовой модели к рассуждению. Модель предназначена для диалога и ответов на запросы, в том числе на чувствительные темы. В README указана гибридная архитектура GatedDeltaNet и полных слоёв внимания в соотношении 3:1. Для генерации автор рекомендует оставлять режим рассуждения включённым и использовать параметры Qwen3.5, особенно repeat-penalty 1.05: при значении 1.0 возможны циклы рассуждений, а при 1.1 — незавершённые ответы. Модель выпущена под лицензией Apache-2.0; метаданные указывают английский и китайский языки. Фильтры безопасности удалены, поэтому модель может выдавать чувствительный или неподходящий контент.

ShenaoZ/0.001_ablation_iter_2 — диалоговая текстовая модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она дообучена на основе ShenaoZ/0.001_ablation_iter_1 на обновлённом и исходном наборах данных; карточка также связывает обучение с DPO и alignment-handbook. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Лицензия — MIT. Карточка не сообщает конкретные результаты оценки качества или подробные ограничения; пригодность ответов следует проверять для целевых сценариев.

Artificium-llama3.1-8B-001-GGUF — это набор квантованных файлов модели Artificium-llama3.1-8B-001 от AGI-0, подготовленный пользователем bartowski в формате GGUF для запуска через llama.cpp и совместимые приложения, включая LM Studio. Модель предназначена для генерации текста и диалоговых сценариев; в README также указан шаблон промпта с ролями system, user и assistant. Размер базовой модели составляет 8B параметров, однако точная архитектура, поддерживаемые языки, модальности и размер контекста в предоставленных данных не указаны. Доступны варианты от F16 размером 16,07 ГБ до низкобитных квантований, включая Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и Q2_K, что позволяет выбирать между качеством генерации и требованиями к памяти. Квантования выполнены с использованием imatrix и релиза llama.cpp b3658; отдельные варианты оптимизированы для ARM-процессоров. Сильная сторона модели — широкий выбор квантований для локального запуска на оборудовании с разным объёмом оперативной памяти; варианты Q5 и Q6 отмечены как высококачественные, а Q4 — как сбалансированные по размеру и качеству. Более сильное сжатие может снижать качество ответов, а совместимость ARM-вариантов зависит от поддержки соответствующих инструкций. Лицензия в README указана как неизвестная, поэтому условия использования необходимо уточнить у разработчика исходной модели AGI-0.

BruinsV2-OpHermesNeu-11B — объединённая языковая модель примерно на 10,6 млрд параметров на архитектуре Mistral, опубликованная Ba2han. Автор описывает её как passthrough merge моделей OpenHermes-2.5-neural-chat-7b-v3-1 и Bruins-V2; модель предназначена для генерации текста в диалоговом формате ChatML. Контекст составляет 32 768 токенов, веса представлены в формате safetensors. Модель подходит для диалогов, ответов на вопросы и свободной генерации текста. В README приведён результат 0,6527 на ARC Challenge и отмечено, что в некоторых чат-сценариях модель может галлюцинировать; также автор предупреждает о возможной контаминации данных оценки. Лицензия — MIT.

Calme-7B-Instruct-v0.1.1 — диалоговая языковая модель MaziyarPanahi на архитектуре Mistral, дообученная на базе Calme-7B-Instruct-v0.1. Модель содержит 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов; опубликована в форматах PyTorch и Safetensors под лицензией Apache-2.0. Модель предназначена для генерации связных текстовых ответов в диалоге: её можно использовать для ответов на вопросы и подготовки текстовых объяснений. В карточке заявлены ясность, спокойный тон и связность ответов; также приведён пример использования через Transformers pipeline. В метаданных указан датасет дообучения chatml-OpenHermes2.5-dpo-binarized-alpha. Карточка не содержит сравнительных оценок качества или подробностей о поддерживаемых языках. Доступны отдельные квантованные сборки GGUF от автора, но перечисленные форматы самого репозитория — PyTorch и Safetensors.

domliu/Codellama-3-8B — чат-модель для генерации текста, разработанная domliu на основе unsloth/llama-3-8b-Instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она дообучена с помощью Unsloth и библиотеки TRL. Модель предназначена для диалоговой генерации текста на английском языке и имеет контекст длиной до 8192 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не уточняет, на каких данных проводилось дообучение и какие специализированные навыки оно добавило, поэтому её возможности следует считать общими для чат-модели.

Covasna-0.1 — сжатая обрезкой версия языковой модели migtissera/Tess-70B-v1.6, представленная Mihaiii. Модель семейства Llama предназначена для генерации текста и диалогового общения. Веса хранятся в формате BF16 и SafeTensors; после удаления части слоёв размер модели составляет около 41,3 млрд параметров вместо 69 млрд у исходной модели. Контекст — до 32 764 токенов. Автор описывает отбор слоёв по показателю SNR с помощью laserRMT и их удаление с mergekit. Модель распространяется по лицензии Llama 2. README также ссылается на отдельную версию GGUF, но эта карточка описывает вариант BF16.

DaringMaid 13B GGUF — это квантизированная версия языковой модели DaringMaid 13B, разработанной Kooten и преобразованной в формат GGUF командой TheBloke. Модель основана на архитектуре Llama и предназначена для генерации текста по инструкциям; заявленный язык — английский. Она поддерживает сценарии локального запуска и инференса через совместимые инструменты, включая llama.cpp, text-generation-webui, KoboldCpp, GPT4All, LM Studio и другие приложения, работающие с GGUF. Модель содержит 13 миллиардов параметров. В репозитории доступны варианты квантизации с разрядностью от 2 до 8 бит для инференса на CPU и GPU, что позволяет выбирать компромисс между качеством, требованиями к памяти и скоростью работы. Используется шаблон запросов Alpaca с секциями Instruction и Response. Сведения о поддерживаемых модальностях ограничены текстом, а размер контекста и подробные результаты оценки качества в README не указаны. Основные преимущества модели — локальный запуск, широкий выбор клиентов и библиотек, а также возможность адаптировать требования к ресурсам с помощью разных уровней квантизации. Ограничения включают отсутствие заявленной мультимодальности и неполные сведения о качестве, контекстном окне и целевых прикладных сценариях. Указана лицензия CC BY-NC 4.0 исходной модели; кроме того, поскольку модель основана на Llama 2, README сообщает о применимости условий лицензии Meta Llama 2. Вопросы взаимодействия этих лицензий рекомендуется уточнять в репозитории исходной модели.

Это диалоговая языковая модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и примерно 801 млн параметров. По карточке она обучена с нуля на наборах данных Magpie и delphi_warmup; доступные веса представлены в формате safetensors. Модель предназначена для генерации текста в диалоговом режиме. Контекст составляет 4096 токенов. Карточка не приводит сведения о целевых сценариях, оценках качества или ограничениях применения. Лицензия указана как other, поэтому конкретные условия использования следует сверить с лицензией репозитория.

Experiment26Neuralsirkrishna_Ognoexperiment27Multi_verse_model — объединённая модель для генерации текста, созданная MaziyarPanahi на основе двух моделей: automerger/Experiment26Neuralsirkrishna-7B и automerger/Ognoexperiment27Multi_verse_model-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации продолжений текста и других сценариев, поддерживаемых задачей text-generation. Веса доступны в формате Safetensors. Модель распространяется по лицензии Apache-2.0.

Experiment26Percival_01-7B — автоматически объединённая Maxime Labonne языковая модель на архитектуре Mistral с 7,1 млрд параметров. В слиянии использованы mistralai/Mistral-7B-v0.1, yam-peleg/Experiment26-7B и AurelPx/Percival_01-7b-slerp; применён метод model_stock, веса представлены в формате safetensors. Модель предназначена для генерации текста и может использоваться в экспериментах с текстовыми запросами и оценкой ответов языковой модели. Заявленная длина контекста — 32 768 токенов. В карточке указана лицензия Apache-2.0; сведения о поддерживаемых естественных языках и специальных предметных областях не приведены.

go-bruins-v2-Mistral-7B-Instruct-v0.1 — чат-модель на архитектуре Mistral, созданная слиянием mistralai/Mistral-7B-Instruct-v0.1 и rwitz/go-bruins-v2 методом SLERP. Она предназначена для генерации текста в ответ на инструкции и диалоговые запросы; число параметров составляет 7,1 млрд, а заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текстовые ответы. В метаданных указан английский язык. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0. В карточке также перечислены датасеты Intel/orca_dpo_pairs и athirdpath/DPO_Pairs-Roleplay-Alpaca-NSFW, поэтому модель может выдавать контент для ролевых сценариев, включая NSFW-темы.

ryugyosoft создал адаптацию IBM Granite 4.2 3B для движка onw, который запускает языковые модели на Intel NPU. Это плотная авторегрессионная модель семейства Granite с 3,4 млрд параметров и контекстом до 131 072 токенов; веса подготовлены в сегментированном формате onw с INT4-квантизацией и INT8 для отдельных компонентов. Модель принимает текст и генерирует текст, поддерживает диалог, рассуждения и вызов инструментов через OpenAI-совместимый интерфейс. Модель предназначена для локального чат-ассистента и агентных сценариев на компьютерах с Intel Core Ultra и NPU. Она поддерживает японский и английский; README отмечает, что качество японских ответов ниже английского и возможны ошибки и неестественные формулировки. Приведённые в карточке тесты показывают потерю точности после квантизации относительно исходной BF16-версии. Для использования требуются движок onw и совместимое оборудование. Лицензия — Apache 2.0; обучение не проводилось, веса повторно квантованы и преобразованы для onw.

h2oai/h2ogpt-gm-oasst1-en-2048-falcon-40b-v1 — текстовая языковая модель H2O.ai, обученная с помощью H2O LLM Studio на базе tiiuae/falcon-40b с использованием датасета OpenAssistant/oasst1. Это плотная авторегрессионная модель семейства RefinedWeb с архитектурой RWForCausalLM и примерно 65 млрд параметров. Она предназначена для генерации ответов и диалогового взаимодействия на английском языке; её можно применять для ответов на вопросы и других задач, решаемых через генерацию текста. Модель принимает текст и выдаёт текст. Репозиторий предоставляет веса PyTorch для использования с Transformers. Лицензия — Apache-2.0. Модель может давать неверные, бессмысленные или нерелевантные ответы и воспроизводить предвзятый либо оскорбительный контент; результаты требуют проверки.

Это GGUF-квантизированная версия Granite 3.2 2B Instruct — языковой модели для генерации текста, разработанной IBM Granite и подготовленной квантизацией пользователем bartowski. Модель предназначена для диалоговых сценариев и запуска локально через llama.cpp, LM Studio и другие совместимые проекты. README не содержит подробной информации о поддерживаемых языках, длине контекста, точной архитектуре и модальностях, поэтому подтверждённо описать её можно только как текстовую модель. Доступно множество вариантов квантизации от Q8_0 до IQ3 и Q3_K, размер файлов составляет примерно от 1,13 до 2,69 ГБ. Старшие варианты обеспечивают более высокое качество, а младшие требуют меньше оперативной памяти, но заметнее снижают качество; наиболее сбалансированными в README названы варианты Q4_K_M, Q5_K_M, Q6_K и другие рекомендованные сборки. Для работы необходимо соблюдать формат промпта Granite с маркерами ролей system, user и assistant. Модель распространяется по лицензии Apache-2.0. Ограничения связаны с потерями качества, зависящими от выбранной квантизации, а также с отсутствием в README сведений о производительности, безопасности, языковом покрытии и рекомендуемых аппаратных требованиях.

Ice0.57-17.01-RP — объединённая языковая модель, созданная автором репозитория с помощью mergekit из Ice0.55-17.01-RP и Ice0.56-17.01-RP методом SLERP. Это плотная causal language model семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Контекст составляет до 32 768 токенов; модель распространяется в формате safetensors. Модель может использоваться для диалогов и генерации продолжений текста в задачах общего назначения. README не описывает отдельные навыки, обучающие данные или целевые области применения. Лицензия в предоставленных данных не указана.

Модель kihyun-K/kanana-1.5-8b-instruct-2505-Safe-DPO — дообученная разговорная языковая модель семейства Llama, опубликованная kihyun-K. Она предназначена для генерации текста в диалоговом формате; в метаданных также заявлен интерфейс вызова инструментов. Модель содержит 7,5 млрд параметров и поддерживает контекст до 32 768 токенов. В README указано, что модель дообучена на базе kihyun-K/kanana-1.5-8b-instruct-2505-Safe-DPO с использованием Unsloth и библиотеки TRL от Hugging Face. Репозиторий содержит веса Safetensors. Указана лицензия Apache-2.0. Карточка не описывает отдельно результаты, целевые сценарии или ограничения дообучения.

L3-Pneuma-8B — дообученная Third-Space модель на архитектуре Llama 3.1 с 7,5 млрд параметров, созданная на базе meta-llama/Llama-3.1-8B-Instruct. Модель предназначена для диалоговой генерации текста; в метаданных также указана поддержка интерфейса вызова инструментов. Для обучения использован набор данных Sandevistan_cleaned.jsonl, а в карточке приведено значение loss 0,7796 на оценочной выборке. Модель работает с текстом и заявляет контекст до 131 072 токенов. Она использует Transformers, веса представлены в форматах PyTorch и Safetensors. Лицензия — Llama 3.1; применение должно соответствовать её условиям. Карточка не описывает специализацию набора данных, качества на конкретных задачах или ограничения поведения, поэтому такие свойства нельзя определить по имеющимся сведениям.