II.2Создание и понимание программного кода

MaziyarPanahi/Experiment26Neuralsirkrishna_Experiment27Experiment29 — объединённая модель для генерации текста и диалогов. Она создана слиянием моделей automerger/Experiment26Neuralsirkrishna-7B и automerger/Experiment27Experiment29-7B; в основе лежит плотная архитектура Mistral с 7,1 млрд параметров. Модель принимает текст и генерирует текст. Её контекст составляет до 32 768 токенов, формат весов — safetensors. В метаданных указана лицензия Apache-2.0. Сведения о специализации по языкам и прикладным областям в карточке отсутствуют.

Experiment26T3qm7xp_Inex12Strangemerges_32 — объединённая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и принимает запросы на естественном языке, выдавая текстовые продолжения или ответы. Модель рассчитана на контекст до 32 768 токенов и распространяется в формате Safetensors. Веса получены слиянием automerger/Experiment26T3qm7xp-7B и automerger/Inex12Strangemerges_32-7B. Лицензия — Apache-2.0. В карточке не приведены сведения о специализированных областях или языках модели.

Experiment28M7_Experiment26Experiment24 — объединённая модель для генерации текста, созданная из automerger/Experiment28M7-7B и automerger/Experiment26Experiment24-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров. Модель принимает текст и генерирует текст; заявленная длина контекста — до 32 768 токенов. Карточка не описывает специализированные сценарии или языки обучения. Модель распространяется в формате Safetensors по лицензии Apache 2.0.

Experiment28T3q_Multi_verse_modelExperiment28 — объединённая языковая модель семейства Mistral, созданная на основе automerger/Experiment28T3q-7B и automerger/Multi_verse_modelExperiment28-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста по текстовому запросу. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. В метаданных базовая модель описана как экспериментальная и DPO-дообученная математическая модель; дополнительных сведений о специализации или языках карточка не содержит. Лицензия — Apache-2.0.

jaspionjader/f-8-8b — объединённая методом SLERP языковая модель, созданная с помощью mergekit на основе jaspionjader/f-5-8b и jaspionjader/f-7-8b. Модель относится к семейству Llama, использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Она предназначена для генерации текста и диалогового общения. Модель принимает текст и генерирует текст; максимальный родной контекст составляет 8192 токена. Веса представлены в формате safetensors. Языки, на которые модель рассчитана, и лицензия в использованных сведениях не приведены.

Kwaipilot/HiPO-1.7B — плотная языковая модель семейства Qwen3 с 1,7 млрд параметров, предназначенная для генерации текста и диалоговых ответов. Она дообучена на основе Qwen/Qwen3-8B с использованием подхода HiPO (Hybrid Policy Optimization), который помогает модели выбирать, когда разворачивать рассуждение, а когда отвечать без него. Модель рассчитана на диалоговые сценарии, решение задач с адаптивным рассуждением и сокращение лишних рассуждений на простых запросах. В README описан структурированный формат ответа с явным машинно-читаемым путём рассуждения; заявленные результаты экспериментов относятся к подходу HiPO и сами по себе не гарантируют таких же показателей для этого чекпойнта. Модель принимает текст и выдаёт текст, поддерживает контекст до 40 960 токенов и распространяется в формате Safetensors через Transformers. Лицензия — Apache-2.0. README не сообщает языковой охват, а также не содержит подробностей о составе обучающих данных или независимых оценках именно этого чекпойнта.

Kwaipilot/HiPO-8B — диалоговая языковая модель Kwaipilot, дообученная на базе Qwen/Qwen3-8B методом, связанным с фреймворком HiPO (Hybrid Policy Optimization for Dynamic Reasoning). Модель предназначена для генерации ответов с управляемым рассуждением: она может выбирать между режимом Think-on с рассуждением и Think-off без него, чтобы сочетать точность с экономией токенов. Модель имеет плотную архитектуру Qwen3ForCausalLM и около 7,6 млрд параметров, работает с текстом и поддерживает контекст до 40 960 токенов. В README описан структурированный формат ответов, в котором путь рассуждения представлен явно. В экспериментах авторы HiPO сообщают об улучшении точности и сокращении длины ответов и частоты включения рассуждений; эти результаты относятся к описанному подходу и не гарантируют аналогичный эффект в каждом сценарии. Репозиторий распространяется по лицензии Apache-2.0. README не уточняет языковой охват и не приводит отдельной оценки качества именно этого чекпойнта.

HybridDiffusion-2B — текстовая генеративная модель на 2,39 млрд параметров, созданная авторами HybridDiffusion преобразованием авторегрессионного чекпойнта Qwen3.5-2B в гибридную диффузионную модель. Она использует архитектуру с Hybrid Gated DeltaNet и softmax-вниманием и поддерживает обычную авторегрессионную генерацию, параллельное уточнение токенов и проверяемое спекулятивное декодирование. Модель предназначена для диалоговой генерации текста и экспериментов со способами ускорения вывода. Один набор весов поддерживает режимы AR-Trust, Diffusion-Trust и стандартную генерацию слева направо. В метаданных также отмечен интерфейс вызова инструментов. Для запуска предусмотрен runtime на базе SGLang и FlashInfer; модель опубликована в формате safetensors. Карточка приводит сравнительные результаты на бенчмарках, но не гарантирует качество для конкретных пользовательских сценариев. Указанный язык модели — английский. Лицензия обозначена как other, поэтому условия использования следует уточнить по полной лицензии репозитория.

JET-7B-i1-GGUF — квантованная версия языковой модели JinyiHan/JET-7B, подготовленная mradermacher в формате GGUF. Модель предназначена для генерации текста и задач, связанных с рассуждением; заявленный язык — английский. По типу это causal language model для работы с текстовыми данными. В набор входят варианты квантования i1 с разными уровнями сжатия и размерами файлов — примерно от 2,0 до 6,4 ГБ. Доступны форматы IQ и Q, включая IQ4_XS, Q4_K_S, Q4_K_M, Q5_K_M и Q6_K. В README отмечается, что Q4_K_M рекомендуется как быстрый вариант, а Q4_K_S рассматривается как сбалансированный по размеру, скорости и качеству; более агрессивное квантование может заметно снижать качество. Архитектура, длина контекста, точные параметры модальности и дополнительные языки не указаны, поэтому модель следует рассматривать как текстовую и преимущественно англоязычную. Модель подходит для локального запуска в приложениях, поддерживающих GGUF, когда важны снижение требований к памяти и возможность выбора компромисса между качеством и размером. Ограничениями являются возможная потеря качества из-за квантования, особенно у малых вариантов, а также отсутствие в README подробных данных о бенчмарках, контекстном окне и специальных возможностях. Лицензия — Apache-2.0.

juanako-7b-UNA — чат-модель автора Xavier M. (@fblgit), дообученная на основе fblgit/juanako-7b-UNA-v2-phase-1 на наборе HuggingFaceH4/ultrafeedback_binarized. В основе лежит плотная авторегрессионная архитектура Mistral с 7,1 млрд параметров; модель доступна в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста: она отвечает на вопросы, объясняет понятия, пишет стихи и короткие рассказы. В README приведены результаты тестирования на бенчмарках для рассуждений, знаний, понимания текста и математики; эти оценки отражают конкретные условия тестирования и не гарантируют качество для каждой задачи. В README техника обучения UNA (Uniform Neural Alignment) описана как способ упростить выравнивание между слоями трансформера; на момент публикации автор отмечал, что она ещё не опубликована. Модель выпущена по лицензии Apache-2.0. README не уточняет поддерживаемые естественные языки.

K2-Horizon-32B-heretic-GGUF — это производная модель для генерации текста, разработанная soyaakinohara на базе IFM/K2-Horizon-32B и soyaakinohara/K2-Horizon-32B-heretic. Модель обработана методом Heretic для ослабления отказов, после чего выполнены слияние LoRA, конвертация в формат GGUF и квантование. Она предназначена для локального запуска и генерации текста на совместимом программном обеспечении, включая llama.cpp. Модель использует пользовательскую архитектуру K2Horizon и содержит 34,8 млрд плотных параметров. Максимальный контекст составляет 524 288 токенов, однако на видеокартах с ограниченной памятью его необходимо уменьшать. Поддерживаются английский и другие многоязычные сценарии. Доступны варианты BF16, Q8_0, Q6_K, Q4_K_M и Q2_K; Q4_K_M отмечен как рекомендуемый и рассчитан на запуск примерно на двух видеокартах по 16 ГБ, тогда как Q2_K требует меньше памяти, но обеспечивает более низкую точность. К сильным сторонам относятся большой контекст, несколько уровней квантования и сниженная склонность к отказам: в указанном испытании Heretic модель отказала в 3 случаях из 100, при KL-дивергенции 0,056. Ограничения включают нестандартную архитектуру, для которой требуется специальная ветка llama.cpp MBZUAI-IFM; стандартная upstream-версия llama.cpp не поддерживается. Для длинного контекста также может потребоваться дополнительная память под KV-кэш и его квантование. Модель распространяется по лицензии Apache-2.0, унаследованной от базовой модели.

Это дообученная разговорная модель devsungyeon на базе kakaocorp/kanana-1.5-8b-instruct-2505. Она предназначена для генерации текста в диалогах; метаданные также указывают интерфейс вызова инструментов. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров, работает с контекстом до 32 768 токенов и распространяется в формате Safetensors. Карточка сообщает, что модель обучали с использованием Unsloth и библиотеки TRL. Лицензия — Apache-2.0. Язык карточки и языковой тег — английский; более широкие языковые возможности базовой модели не подтверждают отдельное назначение этой версии для других языков.

JeongMinMin/kanana-1.5-8b-instruct-2505-Persona-Merged — диалоговая текстовая модель, дообученная на базе kakaocorp/kanana-1.5-8b-instruct-2505. Она предназначена для генерации ответов в чате и работы с запросами на естественном языке; метаданные также указывают интерфейс вызова инструментов. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Контекст — до 32 768 токенов; формат весов — safetensors. Модель разработал JeongMinMin, используя Unsloth и библиотеку TRL от Hugging Face для ускорения обучения. В карточке указана лицензия Apache-2.0. Указанный в метаданных язык — английский; сведений о специальной настройке на другие языки нет.

Модель ljh728/kanana-1.5-8b-instruct-2505-Safe-DPO — дообученная авторегрессионная языковая модель семейства Llama, разработанная ljh728. Она предназначена для генерации текста и диалогового взаимодействия; метаданные также указывают интерфейс вызова инструментов. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель дообучена с использованием Unsloth и библиотеки TRL от Hugging Face. В карточке указана лицензия Apache-2.0. Данных о конкретных целевых задачах дообучения и языках, кроме английского в метаданных, нет.

AtomicChat/Kimi-K3-GGUF — набор GGUF-квантизаций мультимодальной модели Kimi-K3, разработанной Moonshot AI и опубликованной в виде зеркала и квантизированных вариантов командой AtomicChat. Модель предназначена для диалоговых сценариев, генерации и понимания текста, а также анализа изображений с использованием vision-поддержки. Kimi-K3 — смесь экспертов (Mixture of Experts) примерно на 2,9 трлн параметров, из которых около 104 млрд активируются для каждого токена. Архитектура включает 93 слоя, 896 экспертов, 16 активных экспертов на токен и скрытый размер 7168. Заявлен контекст до 1 млн токенов. Поддерживаются английский и китайский языки, а также текстово-визуальный ввод. Квантизации представлены в форматах от IQ1_S и IQ1_M до IQ2_XXS, Q3_K_S и Q8_0; доступен отдельный vision-проектор. Сильными сторонами являются очень большой контекст, высокая емкость MoE-архитектуры, мультимодальность и возможность запуска через специализированную ветку llama.cpp. Ограничения исключительно существенные: даже самая компактная квантизация занимает сотни гигабайт, поэтому модель рассчитана на серверы с большим объемом RAM и/или мощные многопроцессорные GPU-системы, а не на ноутбуки и большинство рабочих станций. Обычная основная ветка llama.cpp на момент публикации не поддерживает эту архитектуру без соответствующих изменений.

L3.3-Faust-70B-exp.001 — экспериментальное слияние языковых моделей, созданное автором finis-est с помощью mergekit и метода Model Stock. В качестве базовой модели использована unsloth/Llama-3.3-70B-Instruct; в слияние также вошли EVA-UNIT-01/EVA-LLaMA-3.33-70B-v0.1, Sao10K/70B-L3.3-Cirrus-x1 и TheDrummer/Anubis-70B-v1. Это плотная авторегрессионная модель семейства Llama на 69,5 млрд параметров для генерации текста и диалогов. Она принимает текст, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors. Метаданные отмечают интерфейс для вызова инструментов, но карточка не приводит подробностей его использования. Автор описывает модель как учебный эксперимент и сообщает, что при тестировании обнаружились как удачные, так и неудачные результаты. Лицензия в предоставленных данных не указана.

yangw1234/LFM25-clawgym-lora32 — дообученная модель LiquidAI/LFM2.5-2.6B, опубликованная yangw1234. Это плотная языковая модель семейства LFM2 с 2,6 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Метаданные указывают контекст до 131 072 токенов и интерфейс вызова инструментов; модель сохранена в формате Safetensors. В README сказано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель подходит для диалоговых приложений и агентных сценариев, где нужно генерировать текст или обращаться к инструментам. Базовая модель описана как многоязычная и рассчитанная на локальный запуск, RAG и задачи с длинным контекстом; карточка этой версии явно подтверждает английский язык. Модель распространяется по лицензии Apache-2.0. README не сообщает результаты оценки качества или конкретную специализацию дообучения.

Диалоговая языковая модель wamegabe, дообученная на unsloth/Llama-3.2-3B-Instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в формате чата и поддерживает интерфейс вызова инструментов. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 3,2 млрд параметров и имеет контекстное окно до 131 072 токенов. В метаданных указан английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит сведения о конкретных обучающих данных, оценках качества или специальных областях применения.

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

Это дообученная версия KKHYA/llavaqwen3-1.7b-finetune с архитектурой AdapterMoELLaVAQwen3ForCausalLM. Модель содержит 1,7 млрд параметров, принимает текст и предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Максимальная длина контекста — 40 960 токенов. Модель загружается через Transformers, веса представлены в форматах PyTorch и safetensors. Датасет дообучения не описан, поэтому конкретные специализации и качество для отдельных сценариев оценить нельзя. Лицензия — Apache-2.0.

Это дообученная версия KKHYA/llavaqwen3-1.7b-finetune, разработанная KKHYA и содержащая 1,7 млрд параметров. Модель использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и предназначена для генерации текста и диалогов; в метаданных также заявлен интерфейс вызова инструментов. Она принимает текст и выдаёт текст, поддерживает контекст до 40 960 токенов. Данные обучения и специальные сценарии применения в карточке не описаны. Модель распространяется под лицензией Apache-2.0.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune, предназначенная для генерации текста и диалогов. В метаданных указаны архитектура NMMaskMoELLaVAQwen3ForCausalLM, 1,7 млрд параметров и контекст до 40 960 токенов; модель доступна в форматах PyTorch и Safetensors и поддерживает интерфейс вызова инструментов. Датасет дообучения и подробные сценарии применения в карточке не описаны. Модель распространяется по лицензии Apache-2.0.

Модель KKHYA/llavaqwen3-1.7b-finetune-nm-mask-moe-sparse-4e-2k-4of8-imp-anchor_20260812_071057 — дообученная версия KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров. Она предназначена для генерации текста и диалогов; метаданные также указывают интерфейс вызова инструментов. Архитектура обозначена как nm_mask_moe_llava_qwen3, библиотека — Transformers, веса представлены в форматах PyTorch и Safetensors. Контекст модели — до 40 960 токенов. Модель опубликована под лицензией Apache-2.0. Датасет дообучения и подробные сведения о качестве в карточке не описаны.

M7T3qm7xp_Strangemerges_32T3qm7xp — слитая языковая модель на архитектуре Mistral, созданная объединением automerger/M7T3qm7xp-7B и automerger/Strangemerges_32T3qm7xp-7B. Она предназначена для генерации текста и может использоваться в приложениях, где нужны ответы или продолжение текста с длинным контекстом. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Веса представлены в формате safetensors. Языки применения не указаны. Модель распространяется по лицензии Apache-2.0.

M7Yamshadowexperiment28_Experiment28Inex12 — объединённая модель для генерации текста, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/Experiment28Inex12-7B. Она использует плотную архитектуру Mistral с причинной языковой моделью MistralForCausalLM и содержит 7,1 млрд параметров. Модель принимает текст и генерирует текст; заявленная длина контекста составляет 32 768 токенов. Карточка не описывает специальные сценарии, языки или дополнительные возможности, поэтому модель можно охарактеризовать как универсальную генеративную языковую модель. Веса опубликованы в формате safetensors, лицензия — Apache-2.0.

MaziyarPanahi/M7Yamshadowexperiment28_NeuralsirkrishnaInex12 — объединённая модель для генерации текста и диалогов, созданная на основе двух моделей Mistral: automerger/M7Yamshadowexperiment28-7B и automerger/NeuralsirkrishnaInex12-7B. Архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров; модель работает с контекстом до 32 768 токенов и распространяется в формате safetensors. Модель предназначена для генерации продолжений текста и ведения диалогов. Лицензия — Apache-2.0. Карточка не приводит сведений о языковой специализации или оценках качества, поэтому пригодность для конкретных языков и задач требует проверки.

Карточка модели mahiatlinux/MasherAI-7B-v6.1-redo1 на Hugging Face совпадает с карточкой mahiatlinux/MasherAI-7B-v6.1-final, поэтому описание составлено по ней. MasherAI-7B-v6.1-final — дообученная разработчиком mahiatlinux языковая модель семейства Mistral с плотной архитектурой для генерации текста и диалогового взаимодействия. Она основана на mahiatlinux/MasherAI-v6.1-7B-checkpoint3-code4 и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. В карточке указан английский язык. Репозиторий распространяется в формате PyTorch по лицензии Apache-2.0.

MaziyarPanahi/MeliodasPercival_01_ShadowYam — объединённая модель Mistral с 7,1 млрд параметров для генерации текста. Она создана слиянием automerger/MeliodasPercival_01-7B и automerger/ShadowYam-7B и предназначена для задач генерации текста на основе входного текста. Архитектура — плотная MistralForCausalLM; модель принимает контекст длиной до 32 768 токенов и распространяется в формате safetensors. Модель поддерживает генерацию текста общего назначения. Информация о языковой специализации и отдельных сильных сторонах в карточке не приводится. Лицензия — Apache-2.0.

MeliodasPercival_01_Strangemerges_32Strangemerges_30 — объединённая языковая модель, собранная из automerger/MeliodasPercival_01-7B и automerger/Strangemerges_32Strangemerges_30-7B. Она построена на архитектуре Mistral с причинным языковым декодером и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалогов, поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0. Данные карточки не описывают отдельные преимущества модели или специальные ограничения качества.

Mergerix-7b-v0.2 — объединённая текстовая модель, опубликованная MiniMoog и созданная с помощью LazyMergekit из трёх моделей на базе Mistral. Веса объединены методом model_stock; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров. Модель предназначена для генерации текста и диалога, принимает текст и выдаёт текст. Контекст — до 32 768 токенов. Репозиторий содержит веса в формате safetensors, а лицензия указана как Apache-2.0. Карточка не описывает специальные области применения или результаты оценки качества, поэтому практическое качество и поведение объединённой модели могут зависеть от запроса.