II.2Создание и понимание программного кода

CombinHorizon/Josiefied-abliteratedV4-Qwen2.5-14B-Inst-BaseMerge-TIES — объединённая модель генерации текста на архитектуре Qwen2.5, созданная с помощью mergekit и метода TIES на основе Qwen/Qwen2.5-14B и Josiefied-Qwen2.5-14B-Instruct-abliterated-v4. Модель содержит 14 млрд параметров и рассчитана на диалоговое взаимодействие и генерацию текста; метаданные также отмечают интерфейс вызова инструментов. Она принимает текст и выдаёт текст, поддерживает английский язык и имеет контекст до 131 072 токенов. Репозиторий распространяет веса в формате safetensors; лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или подробностей об ограничениях и рекомендуемых сценариях использования.

Это дообученная диалоговая модель yatokim на базе kakaocorp/kanana-1.5-8b-instruct-2505. Она построена на плотной архитектуре семейства Llama и содержит 7,5 млрд параметров; модель предназначена для генерации текста и общения в формате инструкций, а также поддерживает интерфейс вызова инструментов. Модель принимает текст и выдаёт текст. Её контекст составляет 32 768 токенов. В карточке указан английский язык; базовая Kanana предназначена также для программирования, математики и вызова инструментов, однако README этой версии не описывает отдельную специализацию или результаты оценки качества. Репозиторий содержит веса safetensors, модель обучена с использованием Unsloth и библиотеки TRL. Лицензия — Apache-2.0.

jaspionjader/Kosmos-EVAA-immersive-sof-v44-8B — плотная авторегрессионная языковая модель семейства Llama, созданная разработчиком jaspionjader путём слияния предварительно обученных моделей jaspionjader/sof-10, jaspionjader/sof-13 и jaspionjader/sof-14 методом Model Stock с помощью mergekit. Модель предназначена для генерации текста и диалогового взаимодействия; репозиторий использует библиотеку Transformers и формат safetensors. Указанный размер — 7,5 млрд параметров, длина контекста — 131 072 токена. Модель принимает текст и генерирует текст. Карточка не сообщает о специализации на конкретных языках или прикладных областях. Лицензия в предоставленных данных не указана.

LaseredHermes-7B — языковая модель для диалогов и генерации текста, опубликованная LHC88. Это плотная авторегрессионная модель семейства Mistral объёмом 7,1 млрд параметров, обученная на базе Teknium/OpenHermes-2.5-Mistral-7B. По карточке, модель прошла второй этап дообучения с Direct Preference Optimization (DPO) на предпочтениях из Intel/orca_dpo_pairs и allenai/ultrafeedback_binarized_cleaned; также указаны данные wikitext2, ptb и c4 для процесса «Laser». Модель рассчитана на многоходовый чат, выполнение инструкций и свободную генерацию текста. Для диалога используется формат ChatML с ролями и системными сообщениями; заявлен контекст до 32 768 токенов. Карточка указывает английский язык. Веса доступны в формате safetensors, лицензия — Apache-2.0. Практические ограничения и сравнительные оценки качества в карточке не приведены; как и другие генеративные языковые модели, она может выдавать неточные ответы. Для корректного диалога следует использовать шаблон ChatML.

LLaDA2.1-flash — диффузионная языковая модель семейства LLaDA, разработанная InclusionAI. Это instruction-tuned модель для генерации текста и диалоговых сценариев; архитектура — Mixture-of-Experts (MoE), в карточке указаны 100 млрд параметров, 32 слоя и контекст до 32 768 токенов. Метаданные каталога при этом указывают общий размер 5,5 млрд параметров. Модель поддерживает редактируемую генерацию: README описывает режимы Speed и Quality с разными порогами денойзинга и компромиссом между скоростью, качеством и плавностью ответа. Её можно применять для диалога и генерации текста; метаданные также отмечают интерфейс вызова инструментов. README называет модель готовой для прикладного использования, но не приводит результаты конкретных бенчмарков. Модель распространяется под лицензией Apache-2.0. Указанные в README рекомендации по настройке параметров относятся к инференсу; низкий порог денойзинга может приводить к прерывистой генерации.

itims/llama-3.1-8b-finetuned — дообученная языковая модель, разработанная itims на основе unsloth/llama-3.1-8b-unsloth-bnb-4bit. Она предназначена для генерации текста и диалогового общения; метаданные также указывают интерфейс вызова инструментов. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель поддерживает английский язык, имеет контекстное окно 131 072 токена и распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специальную предметную область или конкретные улучшения после дообучения, поэтому качество на узких задачах не установлено.

Модель promotion/Llama-3.1-8B-NBPO-UltraFeedback-clean разработана на основе meta-llama/Llama-3.1-8B-Instruct и дообучена методом Nash Bargaining Preference Optimization (NBPO) на парах предпочтений из UltraFeedback. В этой версии обучающие пары отфильтрованы так, чтобы их запросы не пересекались с 698 оценочными запросами; после фильтрации осталось 34 026 пар по 5 671 запросу. Модель предназначена для диалоговой генерации текста с выполнением инструкций. Обучение ориентировано на следование инструкциям, правдивость, честность и полезность ответов. Основа — плотная архитектура Llama с 7,5 млрд параметров; заявленный контекст — до 131 072 токенов. Репозиторий использует Transformers и формат safetensors. В README описана исследовательская оценка на отложенных запросах UltraFeedback, но конкретные численные результаты для этой модели не приведены. Модель распространяется по лицензии Llama 3.1; применяются её условия использования.

Модель promotion/Llama-3.1-8B-NBPO-UltraFeedback-eta0.05 — диалоговая языковая модель на архитектуре Llama, дообученная методом Nash Bargaining Preference Optimization (NBPO) на панели UltraFeedback. В качестве базовой модели и политики сравнения использована meta-llama/Llama-3.1-8B-Instruct; размер составляет 7,5 млрд параметров, максимальный контекст — 131 072 токена. Репозиторий использует Transformers и формат safetensors. Модель предназначена для генерации ответов на инструкции с акцентом на следование инструкциям, правдивость, честность и полезность. В README описан эксперимент с 300 обновлениями оптимизатора и глобальным размером пакета 16; оценка проводилась на отложенных промптах без пересечения с обучающими, по отдельным целям, с использованием Llama-3.3-70B-Instruct в роли судьи. Указанная лицензия — llama3.1. Карточка не приводит численных результатов оценки, поэтому сравнительное качество модели по ней установить нельзя.

Deepcodr/llama_sample_chat2 — диалоговая модель генерации текста, разработанная Deepcodr путём дообучения NousResearch/Meta-Llama-3.1-8B-Instruct. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; для обучения использовались Unsloth и библиотека TRL. Модель предназначена для чата и генерации ответов на текстовые запросы. Контекстное окно составляет 131 072 токена; в карточке отмечена поддержка английского языка. Модель распространяется под лицензией Apache-2.0. Карточка не описывает специализированную предметную область или отдельные ограничения качества; ожидаемые возможности в целом связаны с базовой инструктивной моделью Llama 3.1 8B.

Это дообученная модель KKHYA/llavaqwen3-1.7b-finetune с архитектурой MoELLaVAQwen3ForCausalLM и 1,7 млрд параметров. Она предназначена для генерации текста и диалогов; в метаданных также указана возможность интерфейса вызова инструментов. Длина контекста составляет 40 960 токенов. Модель опубликована в форматах PyTorch и Safetensors и распространяется по лицензии Apache-2.0. Данные о датасете и результаты оценки не приведены.

Lumina-2 — предварительно обученная языковая модель с разреженной архитектурой Mixture of Experts (MoE), опубликованная Ppoyaa и созданная с помощью LazyMergekit. Модель предназначена для генерации текста и диалогового взаимодействия; её архитектура относится к семейству Mixtral, а общий размер составляет 7,1 млрд параметров. Модель принимает текст и генерирует текст. Длина контекста — до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не приводит сведений о поддерживаемых естественных языках и конкретных областях применения.

ConvexAI/Luminex-34B-v0.2 — разговорная языковая модель ConvexAI на архитектуре Llama с 33,9 млрд параметров и контекстом до 32 768 токенов. По карточке, это SimpleSmaug-34b с применённым методом LaserRMT; в метаданных базовой моделью указана jondurbin/bagel-34b-v0.2, от которой модель является дообучением. Модель предназначена для генерации текста и диалогового взаимодействия. В README приведены результаты Open LLM Leaderboard: среднее значение 77,19, включая 74,49 в AI2 Reasoning Challenge и 86,76 в HellaSwag; другие результаты заявлены, но таблица неполная. Модель опубликована в форматах PyTorch и Safetensors. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией репозитория.

MaziyarPanahi/MeliodasPercival_01_Strangemerges_32M7 — объединённая автором модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием automerger/MeliodasPercival_01-7B и automerger/Strangemerges_32M7-7B. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст длиной до 32 768 токенов; в репозитории веса представлены в формате safetensors. Данных о специализации на конкретных языках или областях применения в карточке нет. Модель распространяется по лицензии Apache-2.0. Карточка не описывает результаты оценки качества и конкретные ограничения, поэтому пригодность для определённых сценариев следует проверять самостоятельно.

MeliodasPercival_01_YamshadowInex12 — объединённая языковая модель, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/YamshadowInex12-7B. Она предназначена для генерации текста и диалогов. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Доступна в формате Safetensors по лицензии Apache-2.0. README и метаданные не приводят сведений о поддерживаемых языках или специальных ограничениях.

MeliodasT3q_T3qExperiment26 — объединённая модель генерации текста, созданная на основе automerger/MeliodasT3q-7B и automerger/T3qExperiment26-7B. Она построена на плотной архитектуре Mistral с причинно-языковой моделью MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста по текстовому запросу и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Репозиторий использует лицензию Apache-2.0.

Это квантованная в формате GGUF версия Ministral 8B Instruct 2410 abliterated, подготовленная mradermacher на основе модели realoperator42/ministral-8B-Instruct-2410-abliterated. Модель предназначена для генерации текста и ведения диалогов, включая локальный запуск совместимых с GGUF инструментов и приложений. Заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Модель относится к семейству Ministral и имеет около 8 миллиардов параметров, однако подробные сведения об архитектуре, размере контекста и поддерживаемых модальностях в README не указаны. Доступны варианты квантования от наиболее компактных IQ1 до более качественных Q5, с размерами файлов примерно от 2,1 до 5,7 ГБ. В README рекомендуется вариант i1-Q4_K_M как быстрый, а i1-Q4_K_S — как компромисс между размером, скоростью и качеством; низкобитные варианты могут заметно уступать по качеству. К преимуществам относятся широкий выбор квантований и возможность запуска на ограниченных аппаратных ресурсах. Ограничения включают потенциальное снижение качества при сильном квантовании, отсутствие описания результатов тестирования и неполные сведения о характеристиках базовой модели. Информация о лицензии в README не указана.

miscii-14b-1028-GGUF — это квантизированная версия языковой модели miscii-14b-1028, разработанной sthenno-com и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста, диалогов, roleplay, conversational-сценариев и, согласно тегам, использования инструментов. Указаны английский и китайский языки, а также датасеты HelpSteer2, Synthetic-Persona-Chat и orpo-dpo-mix-40k. Модель относится к классу примерно 14B параметров; точная архитектура и размер контекста в README не указаны. Доступны варианты от F16 до Q3_K_XL, включая рекомендуемые Q4_K_M, Q5 и Q6-квантизации, что позволяет выбирать между качеством и требованиями к памяти. Модель рассчитана на запуск через llama.cpp и LM Studio. В README приведены результаты Open LLM Leaderboard по IFEval, BBH, MATH, GPQA, MuSR и MMLU-PRO, однако они характеризуют базовую модель, а не обязательно каждый квантизированный файл. Ограничениями являются отсутствие информации о точной архитектуре, максимальном контексте, системных требованиях и детальной оценке качества в прикладных сценариях. Лицензия — Apache-2.0.

zelk12 выпустила объединённую методом SLERP языковую модель MT1-Gen5-BMMIMU на базе Gemma 2. Модель с архитектурой Gemma2ForCausalLM содержит 9 млрд параметров, рассчитана на диалоговое общение и генерацию текста; для работы с ней используются библиотека Transformers и файлы Safetensors. Контекст модели составляет до 8192 токенов. Модель объединяет чекпойнты zelk12/MT1-Gen5-IMU-gemma-2-9B и zelk12/MT1-Gen5-BMM-gemma-2-9B. В карточке указаны метод слияния и конфигурация, но не раскрыты специальные предметные области, поддерживаемые языки или результаты оценки качества. Лицензия в предоставленных данных не указана.

zelk12/MT4-BMM-gemma-2-9B — объединённая диалоговая языковая модель на архитектуре Gemma 2, созданная методом SLERP из двух моделей Gemma 2. Модель содержит 9 млрд параметров, рассчитана на генерацию текста и ответы в диалоге; для работы используется библиотека Transformers. Нативная длина контекста — 8192 токена. Модель принимает текст и выдаёт текст. Она может служить основой для чат-ботов и генерации ответов на запросы. В README указано, что веса объединены с помощью mergekit; лицензия в предоставленных данных не указана.

Munin-NeuralBeagle-Flashback-Bellman — языковая модель для генерации текста, созданная объединением моделей с помощью LazyMergekit. Карточка описывает смешивание RJuro/munin-neuralbeagle-7b и birgermoell/Flashback-Bellman методом dare_ties; метаданные указывают базовую Mistral-архитектуру и 7,1 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Заявленная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors с типом bfloat16. Лицензия и конкретные поддерживаемые языки в предоставленных источниках не обозначены.

NeuralsirkrishnaShadow_AlloyingotneoyNeuralsirkrishna — объединённая модель на архитектуре Mistral, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/AlloyingotneoyNeuralsirkrishna-7B. Она предназначена для генерации текста и диалогов, включая сценарии с контекстом до 32 768 токенов. Модель содержит 7,1 млрд параметров, а её веса опубликованы в формате Safetensors. Модель распространяется по лицензии Apache-2.0. README и метаданные не описывают специализированную область применения или известные ограничения качества; её подтверждённая задача — генерация текста.

NeuralsirkrishnaShadow_Experiment26Alloyingotneoy — объединённая модель генерации текста на базе архитектуры Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment26Alloyingotneoy-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста по текстовому запросу и работы со сценариями, где полезен длинный контекст. Весы опубликованы в формате safetensors, лицензия — Apache 2.0.

NeuralsynthesisCalmexperiment-7B — автоматически объединённая модель, созданная Maxime Labonne методом DARE-TIES из NeuralSynthesis-7B-v0.1 и CalmExperiment-7B-slerp. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Указанная длина контекста — 32 768 токенов. Модель может применяться для генерации продолжений текста и диалоговых ответов. Репозиторий содержит веса в формате safetensors; модель распространяется по лицензии Apache-2.0. README описывает конфигурацию слияния, но не приводит отдельных оценок качества или подробных рекомендаций по использованию.

Карточка модели localized-ft/OLMo-3-7B-school-of-reward-hacks-second-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.

OLMo 7B April 2024 Instruct — языковая модель Allen Institute for AI (AI2), дообученная для ответов на вопросы и выполнения инструкций. Это авторегрессионный трансформер семейства OLMo с плотной архитектурой и 6,7 млрд параметров; версия Instruct обучена методом SFT и DPO на смеси Tulu 2 SFT и очищенном UltraFeedback. Базовая модель обучалась на наборе Dolma. Модель предназначена для диалогов, ответов на вопросы и генерации текста на английском языке. В README для базового выпуска указан контекст 4096 токенов, тогда как метаданные этой модели указывают native context 2048 токенов. Для работы с Transformers требуется версия 4.40.0 или новее. Модель распространяется по лицензии Apache 2.0. Это исследовательский артефакт без специального фильтра безопасности или отдельного обучения безопасности. Модель может выдавать вредоносный или чувствительный контент, предвзятые либо фактически неверные ответы, поэтому результаты следует проверять и при необходимости применять защитные меры.

Карточка модели OpenBuddy/openbuddy-codellama2-34b-v11.1-bf16 на Hugging Face совпадает с карточкой OpenBuddy/openbuddy-llama2-13b-v11.1-bf16, поэтому описание составлено по ней. OpenBuddy — многоязычная чат-модель на базе LLaMA 2, представленная в варианте с 13 млрд параметров и весами bf16. Она предназначена для диалогов и генерации текста; в метаданных указаны языки китайский, английский, французский, немецкий, японский, корейский, итальянский и русский. Модель использует плотную архитектуру LlamaForCausalLM, работает через Transformers и поддерживает контекст до 4096 токенов. Модель подходит для чат-ботов, ответов на вопросы и генерации текста на поддерживаемых языках. README предупреждает, что ответы могут быть ошибочными, вредными или оскорбительными, поэтому модель не следует применять в критически важных сценариях, включая медицинские, финансовые и юридические решения, или для управления потенциально опасными системами. Использование зависит от лицензии Meta на LLaMA: требуется одобрение Meta и соответствие её условиям.

OpenBuddy — мультиязычная чат-модель, созданная на основе Meta Llama 3.1 8B Instruct. Она предназначена для диалогов и генерации ответов на английском и китайском языках; README также рекомендует использовать быструю реализацию токенизатора Transformers для корректной работы специальных токенов. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель подходит для чат-ботов, ответов на вопросы и генерации текста. Репозиторий содержит веса в формате safetensors; лицензия указана как other, а README отсылает к условиям использования и Acceptable Use Policy OpenBuddy. Модель может выдавать ошибочные, вредные или оскорбительные ответы, поэтому её не следует использовать в критических сценариях, связанных с медициной, безопасностью, финансами или правом.

Ornith-1.5-35B-A3B-uncensored-MLX-4bit — это 4-битная MLX-версия модели Ornith-1.5-35B-A3B, разработанной командой Ornith. Модель подверглась abliteration: к исходной модели применили один проход biprojection для существенного снижения жёстких отказов, после чего выполнили конвертацию для запуска через mlx-lm на Apple Silicon. Релиз подготовил Robert Ressl. Модель предназначена для генерации текста, а также для исследований безопасности, red-teaming и penetration testing, включая сценарии, в которых требуется выполнять запросы, обычно отклоняемые стандартной моделью. Она поддерживает английский язык, имеет контекст до 262 144 токенов и занимает около 18 ГБ. MLX-сборка рассчитана на устройства Apple Silicon; заявлена только текстовая работа, поскольку vision tower базовой мультимодальной модели в эту сборку не подключён. К сильным сторонам относятся существенно сниженная частота жёстких отказов и сохранение общей связности и инструментальных возможностей, хотя качество на GPQA-Diamond снизилось с 61,1% до 58,6% относительно базовой модели. Полная оценка проводилась для идентичного NVFP4-варианта, а MLX-сборки прошли только локальные smoke-тесты, поэтому результаты нельзя напрямую считать полноценными бенчмарками этой версии. Квантование 4-bit может усиливать остаточные отказы; для модели зафиксирована небольшая доля таких случаев. Лицензия MIT унаследована от Ornith и указана как предоставленная командой ornith-ai.

Это 16-битная конверсия инструктивной языковой модели Qwen2.5-1.5B-Instruct в формат MLX, подготовленная SirSahOl для запуска на компьютерах Apple Silicon. Модель имеет плотную архитектуру Qwen2ForCausalLM и содержит 1,5 млрд параметров; заявленная длина контекста — до 32 768 токенов. Модель предназначена для диалогов, генерации текста и структурированных ответов. Её можно использовать для локального чат-бота, ответов на вопросы и выполнения текстовых инструкций. README приводит замеры на Apple M1 с 8 ГБ общей памяти, но рекомендует 16-битный вариант для систем с большим объёмом памяти. Для работы требуется Apple Silicon и библиотека MLX; репозиторий распространяется по лицензии Apache-2.0. Это конверсия исходной модели, поэтому её архитектура и поведение унаследованы от Qwen2.5-1.5B-Instruct. README предупреждает о снижении качества при длинном контексте свыше 8K токенов для вариантов с низкой разрядностью; для данного 16-битного варианта это ограничение отдельно не подтверждено. Заявление README об отсутствии потери качества для 16-битной версии не сопровождается независимой оценкой.

bunnycore/Qwen-2.5-3B-Remix — объединённая модель генерации текста на основе архитектуры Qwen2, созданная с помощью mergekit методом TIES из bunnycore/Replete-Qwen-2.5-3b-CoT-RP и bunnycore/Qwen-3b-chatml-Rp-lora_model. Модель содержит 3,1 млрд параметров, использует формат safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста; метаданные также отмечают интерфейс вызова инструментов. Языки, доменная специализация и конкретные сценарии применения в карточке не описаны. Лицензия не указана в предоставленных данных.