II.2Создание и понимание программного кода

Rabbit-7B-DPO-Chat-Mistral-7B-Instruct-v0.1 — чат-модель на архитектуре Mistral, созданная объединением mistralai/Mistral-7B-Instruct-v0.1 и viethq188/Rabbit-7B-DPO-Chat методом SLERP. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в ответ на инструкции и диалоговые запросы; заявленный контекст — до 32 768 токенов. Модель подходит для чат-ботов, диалоговых помощников и генерации ответов на текстовые запросы. Файлы опубликованы в формате safetensors, слитые веса указаны в bfloat16. Лицензия — Apache-2.0. Карточка не сообщает о поддерживаемых языках или специализированных областях применения.

Savant-LLaMa-70B — объединённая языковая модель автора TareksGraveyard, созданная с помощью mergekit методом della_linear. В качестве базовой использована nbeerbower/Llama-3.1-Nemotron-lorablated-70B; в объединение также вошли пять моделей семейств Llama от EVA-UNIT-01, Sao10K, SicariusSicariiStuff и TheDrummer. Модель предназначена для диалогового общения и генерации текста. Она построена на архитектуре Llama с 69,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. В README автор описывает результат как эксперимент слияния и оценивает его как достойный, но отмечает, что предпочитает другой собственный вариант. Репозиторий содержит веса Safetensors и использует лицензию Llama 3.3. Перед применением следует учитывать условия лицензии Llama 3.3 и ограничения, унаследованные от включённых моделей; README не приводит отдельной оценки качества или подробных рекомендаций по безопасному использованию.

SJT-1.5B-Alpha-1.1 — языковая модель на 1,5 млрд параметров, созданная Sakalti слиянием моделей через TIES и Mergekit. В качестве базовой использована Sakalti/Saba1.5-Pro, в слияние также вошла Sakalti/SJT-1.5B-Alpha; архитектура — плотная Qwen2 для причинной генерации текста. Модель предназначена для генерации текста и диалогов, включая сценарии с интерфейсом вызова инструментов. Она принимает текст и выдаёт текст, поддерживает контекст до 131 072 токенов. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0.

StableLM Zephyr 3B — англоязычная инструкционная языковая модель Stability AI на основе декодерного Transformer. Она содержит 2,7 млрд параметров, принимает текст и генерирует текст; размер контекста — 4096 токенов. Модель дообучена методом SFT и выравнивалась с помощью Direct Preference Optimization (DPO) на открытых и синтетических данных, включая наборы диалогов, математических задач и предпочтений. Базовая модель — stabilityai/stablelm-3b-4e1t. Модель предназначена для диалоговых помощников, ответов на инструкции, генерации текста и прототипирования приложений, которые затем настраивают под конкретную задачу. В README приведены результаты оценок MT-Bench, AlpacaEval и ряда общих тестов; для специализированных сценариев качество следует проверять отдельно. Модель не обучена противостоять состязательным запросам и может выдавать вредные ответы или дезинформацию, поэтому необходимы проверки и защитные механизмы на входе и выходе. Лицензия — Stability AI Community License; для коммерческого использования README предлагает отдельно уточнить условия у Stability AI.

StrangeMerges_37-7B-dare_ties — объединённая языковая модель на архитектуре Mistral, собранная Gille с помощью LazyMergekit из liminerity/M7-7b, Gille/StrangeMerges_30-7B-slerp и ContextualAI/Contextual_KTO_Mistral_PairRM. В конфигурации указано объединение DARE-TIES с точностью bfloat16; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В README приведены результаты оценивания на бенчмарках, включая AI2 Reasoning Challenge и HellaSwag. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0.

Llama 30B Instruct 2048 — языковая модель для генерации текста и выполнения инструкций, разработанная Upstage. Представлена в репозитории TheBloke в формате GGUF, причём файлы модели были квантованы TheBloke на основе оригинальной модели upstage/llama-30b-instruct-2048. Модель предназначена для диалоговых сценариев, ответов на инструкции и общего текстового вывода на английском языке. Она основана на архитектуре Llama, содержит 30 миллиардов параметров и поддерживает контекст длиной 2048 токенов. В README также указано обучение или оценивание на наборах SciQ, ScienceQA text-only, GAIR/lima, OpenOrca и OpenBookQA. Для работы используется шаблон промпта с секциями System, User и Assistant. GGUF-версии рассчитаны на запуск через llama.cpp и совместимые интерфейсы и библиотеки, включая text-generation-webui, KoboldCpp, LM Studio, ctransformers и llama-cpp-python; доступны варианты квантования от 2 до 8 бит для CPU и GPU. Квантование уменьшает требования к ресурсам, но конкретное влияние на качество зависит от выбранного варианта. Модель поддерживает только текстовые сценарии, а её контекст ограничен 2048 токенами. В метаданных указана лицензия «other», однако её точные условия в README не приведены.

AlemLLM — большая языковая модель, настроенная Astana Hub при технической поддержке 01.AI для повышения полезности ответов на казахском языке. Она предназначена для диалогового текстогенерирования и сценариев исследований и разработок в рамках инициатив Казахстана в области ИИ. Модель использует архитектуру Mixture of Experts: 247 млрд общих параметров, из которых активируются 22 млрд. В карточке также указаны 56 слоёв, токенизатор SentencePiece, словарь размером 100 352 токена и формат BF16. В README приведены оценки на казахских, русских и английских бенчмарках; эти результаты не гарантируют качество для конкретных запросов. Модель может генерировать неточные, предвзятые или небезопасные ответы, поэтому результаты требуют проверки и ответственного применения. Лицензия — Apache-2.0; публикация и использование должны соответствовать применимым законам и требованиям регулирования экспорта и кибербезопасности.

binarized-ingotrix-slerp-7b — объединённая языковая модель, созданная liminerity методом SLERP с помощью LazyMergekit из eren23/dpo-binarized-NeuralTrix-7B и liminerity/Ingot-7b-slerp-7-forged. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и использует формат SafeTensors; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В README приведены результаты оценивания на тестах AI2 Reasoning Challenge и HellaSwag. Использование разрешено по лицензии Apache 2.0. Языки, на которых модель специально обучена или проверена, в предоставленных данных не определены.

Byrne-Anon — модель Quazim0t0 для обнаружения и анонимизации персональных данных в тексте. Она использует архитектуру SpikeWhale (Byrne) с плотной языковой основой и головой классификации токенов: каждому токену присваивается BIOES-метка, после чего найденные фрагменты можно редактировать или скрывать. Восемь категорий включают имена людей, электронные адреса, телефоны, физические адреса, URL, даты, номера счетов и секреты — например, API-ключи, пароли, токены и PIN-коды. Модель содержит 103,6 млн параметров, принимает текст с контекстом до 4096 токенов и выдаёт метки токенов. Карточка приводит оценку на 200 примерах: macro-F1 по классам персональных данных составляет 89,10. Проверка ориентирована на английский язык; лучше всего модель работает с адресами электронной почты, URL, номерами счетов и адресами. Границы найденных фрагментов приблизительны, а качество слабее для телефонов и точного обнаружения секретов. Для загрузки требуется прилагаемый код ByrneAnon и пользовательская архитектура. Лицензия — Apache-2.0.

ChatGLM-6B-INT4 — открытая квантованная версия диалоговой языковой модели ChatGLM-6B, разработанной командой THUDM/GLM. Модель основана на архитектуре General Language Model (GLM), оптимизирована для двуязычных китайско-английских вопросов и диалогов и обучалась на китайско-английском корпусе объёмом около 1 трлн токенов с применением监督微调, обучения на обратной связи и обучения с подкреплением на основе человеческих предпочтений. Веса 28 GLM-блоков преобразованы в формат INT4, тогда как Embedding и LM Head не квантизированы. Это снижает требования к памяти: для инференса теоретически достаточно около 6 ГБ видеопамяти или соответствующего объёма оперативной памяти при работе на CPU, что делает возможным локальный запуск на потребительских видеокартах и потенциально на встраиваемых устройствах. В метаданных Hugging Face указано 8,1 млрд параметров; README описывает базовую модель как модель на 6,2 млрд параметров. Модель подходит для локальных чат-ботов, ответов на вопросы, многошагового диалога, генерации текстов и прототипирования двуязычных NLP-приложений. Длина контекста в предоставленных данных не указана. Код распространяется по Apache-2.0, а использование весов регулируется отдельной Model License.

Citaman/command-r-7-layer — языковая модель для генерации текста, опубликованная пользователем Citaman. Это плотная причинно-языковая модель семейства Cohere с 7,9 млрд параметров; репозиторий содержит веса в формате safetensors и создан с помощью mergekit методом SLERP на основе Citaman/command-r-8-layer. По метаданным модель рассчитана на диалог и интерфейс вызова инструментов; контекст составляет 8192 токена. Подходит для генерации ответов в чат-ботах и для сценариев, где языковая модель взаимодействует с инструментами. Модель принимает текст и генерирует текст. README описывает объединение с перекрывающимися диапазонами слоёв одной базовой модели. В предоставленных материалах нет сведений о лицензии и поддерживаемых естественных языках, поэтому условия коммерческого использования и языковые возможности определить нельзя.

Kaballas/Cyber20 — дообученная компанией Kaballas модель семейства Llama для генерации текста и диалогов. Она основана на Kaballas/Cyber18, содержит 7,5 млрд параметров и имеет контекстное окно до 131 072 токенов. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для генерации текста и общения на английском языке; метаданные также указывают поддержку чатового интерфейса и интерфейса вызова инструментов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

Aleteian/DarkCamelot — объединённая модель генерации текста на базе семейства Mistral, созданная автором репозитория с помощью mergekit. В слиянии использован метод della; базой указана win10/Mistral-Nemo-abliterated-Nemo-Pro-v2, также объединены восемь других языковых моделей. Размер модели — 12,1 млрд параметров, формат весов — SafeTensors; для работы заявлен контекст до 1 024 000 токенов. Модель предназначена для диалогов и генерации текста. Метаданные также отмечают интерфейс вызова инструментов. В карточке нет сведений о специальной отраслевой специализации или подтверждённом наборе языков, поэтому их нельзя приписывать модели на основании описания базовых компонентов. Это экспериментальное слияние нескольких моделей; качество и поведение могут отличаться от каждого исходного чекпойнта, а заявленный размер контекста не гарантирует одинаковую производительность на всей длине. Условия лицензирования в предоставленных данных не приведены.

KnutJaegersberg/Deita-4b — диалоговая языковая модель на архитектуре Qwen2 с 3,6 млрд параметров. Она предназначена для генерации текста и выполнения пользовательских инструкций в формате чата; в карточке приведён пример ответа на вопрос о дообучении языковых моделей. Модель использует формат safetensors и поддерживает контекст до 32 768 токенов. В метаданных указан датасет KnutJaegersberg/Deita-6k, что указывает на дообучение базовой модели, однако идентификатор исходного чекпойнта не приведён. README сообщает результаты оценки на нескольких тестах Open LLM Leaderboard, но не даёт полного набора результатов. Лицензия обозначена как other, поэтому условия использования следует уточнять по странице модели.

Experiment26Yamshadow_Experiment29Pastiche — объединённая языковая модель семейства Mistral, созданная из automerger/Experiment26Yamshadow-7B и automerger/Experiment29Pastiche-7B. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и распространяется в формате safetensors. Модель предназначена для генерации текста и диалоговых ответов с контекстом до 32 768 токенов. В метаданных указана лицензия Apache-2.0. README не описывает специальные предметные области или подтверждённый набор поддерживаемых языков.

Модель ermiaazarkhalili/FastContext-4B-SFT_base-SFT-Claude-Opus-Reasoning-Unsloth — дообученная версия microsoft/FastContext-1.0-4B-SFT, разработанная ermiaazarkhalili. Это плотная авторегрессионная языковая модель семейства Qwen3 с архитектурой Qwen3ForCausalLM, примерно 3,7 млрд параметров и контекстом до 262 144 токенов. Модель предназначена для генерации текста в диалогах и выполнения инструкций; дообучение проведено методом SFT на данных дистилляции рассуждений Claude. Она поддерживает интерфейс вызова инструментов. Карточка приводит только наблюдения обучающей потери и сообщает, что оценка на прикладных бенчмарках не проводилась. Поведение вне распределения единственного набора инструкций не проверено; модель наследует смещения и ограничения базовой модели. LoRA-адаптеры слиты с весами, поэтому отделить результат дообучения нельзя. Лицензия в предоставленных данных не указана.

Gemma-4-E4B-it-PARL — дообученная командой Pimnara Adulchantarasorn, Phanida Toaluea, Nattanant Vonghan и Rapeepong модель Google Gemma 4 E4B Instruct, созданная в рамках хакатона lablab.ai при поддержке AMD. Модель оптимизирована для автономного многошагового рассуждения и глубокого веб-исследования; при обучении применялись GRPO и подход Parallel-Agent Reinforcement Learning (PARL). Модель предназначена для сценариев, где нужно собирать сведения из нескольких источников, удерживать большой объём контекста и синтезировать выводы в отчёт. По карточке, дообучение рассчитано на контекст свыше 60 тысяч токенов и обучает оркестрации агентных процессов, включая делегирование задач и выполнение Python-кода. Базовая Gemma 4 — мультимодальная модель; в ходе обучения визуальный энкодер оставили замороженным, чтобы сохранить возможности анализа изображений. Репозиторий содержит веса в формате safetensors, лицензия — Gemma License. Основная задача в метаданных — генерация текста. Хотя карточка описывает агентные сценарии и сохранённые возможности работы с изображениями, выполнение внешнего поиска, вызов инструментов и создание HTML-отчётов зависят от соответствующей обвязки; сам README не приводит результатов оценки качества.

KangalKhan-Ruby-7B — объединённая модель на основе Mistral 7B, созданная автором репозитория с помощью LazyMergekit из argilla/CapybaraHermes-2.5-Mistral-7B и argilla/distilabeled-OpenHermes-2.5-Mistral-7B. Она предназначена для диалогов и генерации текста; в карточке рекомендован формат общения ChatML. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Модель принимает текстовые запросы и генерирует текстовые ответы на английском языке. В README приведены результаты Open LLM Leaderboard, включая средний балл 68,68, но не раскрыты все метрики. Для репозитория указана лицензия Apache-2.0. Автор отмечает, что некоторые сторонние варианты GGUF могут изредка выдавать опечатки; это замечание относится к указанным вариантам GGUF, а не обязательно к версии в формате safetensors.

LiberalMind_v1.5-i1-GGUF — набор квантизированных GGUF-версий базовой модели arcticoneai/Arctic_AI, подготовленный mradermacher. Модель предназначена для генерации текста, диалогов, следования инструкциям, рассуждений и задач, связанных с языковым моделированием и RLHF. В метаданных указан английский язык; модель относится к causal language model и поддерживает работу через совместимые с GGUF инструменты. Размер исходной модели, архитектура, длина контекста и точный набор поддерживаемых языков в README не указаны. Доступны варианты квантизации i1-IQ1_S—i1-IQ4_NL, i1-Q2_K—i1-Q6_K размером примерно от 2,0 до 6,4 ГБ. Это позволяет выбирать между требованиями к памяти, скоростью и качеством, однако наиболее низкобитные варианты отмечены как имеющие очень низкое качество, тогда как i1-Q4_K_M рекомендован как быстрый вариант, а i1-Q6_K по характеристикам практически сопоставим со статической Q6_K. Модель распространяется по лицензии MIT. README не содержит независимых результатов тестирования, поэтому фактическое качество на конкретных задачах оценить по этим данным нельзя.

Llama-3-15B-Instruct-zeroed — объединённая языковая модель, опубликованная elinas и созданная с помощью mergekit на основе meta-llama/Meta-Llama-3-8B-Instruct. При слиянии применён метод passthrough с обнулением слоёв o_proj и down_proj; автор сообщает о снижении perplexity по сравнению с похожими моделями на 15 млрд параметров. Модель предназначена для диалоговой генерации текста и ассистентских ответов. Она имеет плотную архитектуру LlamaForCausalLM, содержит 14,5 млрд параметров и поддерживает контекст до 8192 токенов. В репозитории указаны формат safetensors и лицензия Llama 3. Карточка также ссылается на дообученную версию elinas/Llama-3-15B-Instruct-zeroed-ft, про которую автор сообщает об улучшении производительности.

mlx-community/Llama-3.2-1B-Instruct-8bit — языковая модель для генерации текста, представленная сообществом mlx-community на базе Llama 3.2 от Meta. Версия предназначена для диалоговых и других задач, требующих следования инструкциям, включая локальный инференс и прикладную генерацию текста. Модель распространяется в 8-битном представлении и ориентирована на использование с экосистемой MLX; в карточке также указана совместимость с библиотекой Transformers и задача text-generation. Заявлена поддержка английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков. Размер модели — 1B параметров согласно идентификатору модели. Информация о длине контекста, точной архитектуре, мультимодальности и результатах бенчмарков в предоставленном README отсутствует. К преимуществам относятся компактный размер и 8-битное представление, потенциально упрощающие локальное развертывание, однако количественные показатели качества и ограничения по применению не приведены. Модель распространяется по Llama 3.2 Community License от Meta: при распространении необходимо сохранять текст лицензии и уведомление об авторстве, указывать «Built with Llama», соблюдать Acceptable Use Policy и применимые законы; для продуктов с более чем 700 миллионами ежемесячных активных пользователей требуется отдельное разрешение Meta.

QuantFactory/Llama-3-8B-Magpie-Air-MT-SFT-v0.1-GGUF — квантизированная версия модели Llama-3-8B-Magpie-Air-MT-SFT-v0.1, созданная с помощью llama.cpp. Базовая модель Meta-Llama-3-8B была дообучена методом supervised fine-tuning на датасете Magpie-Air-MT-300K-v0.1, подготовленном проектом Magpie-Align. Разработчики Magpie — Zhangchen Xu, Fengqing Jiang, Luyao Niu, Yuntian Deng, Radha Poovendran, Yejin Choi и Bill Yuchen Lin. Модель предназначена для генерации текста и диалоговых сценариев, включая выполнение пользовательских инструкций и ответы в формате ассистента. Это текстовая autoregressive language model с архитектурой Llama 3 и размером 8B параметров; поддерживаемые модальности ограничены текстом. В README длина контекста явно не указана, однако для наилучшей работы рекомендуется использовать официальный chat template Llama 3. По заявленным результатам модель показывает производительность, сопоставимую с Llama-3-8B-Instruct при использовании только SFT: 22,98 LC и 24,02 WR на Alpaca Eval 2, а также 15,5 на Arena Hard. К ограничениям относятся отсутствие подробных сведений о конкретном формате квантизации, контекстном окне и языковом покрытии, а также возможные ограничения качества, безопасности и следования инструкциям, характерные для моделей такого класса. Использование регулируется Meta Llama 3 Community License.

M7Alloyingotneoy-7B — объединённая языковая модель на архитектуре Mistral, опубликованная как автоматическое слияние Maxime Labonne. В конфигурации использованы liminerity/M7-7b и nlpguy/AlloyIngotNeoY; применён метод DARE-TIES с параметрами плотности и веса для второй модели. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и может использоваться в сценариях продолжения текста и диалогового взаимодействия. Репозиторий содержит веса в формате Safetensors, лицензия — Apache-2.0. Метаданные указывают nlpguy/AlloyIngotNeoY как дообученную базовую модель; сама карточка описывает модель как слияние двух чекпойнтов.

M7Yamshadowexperiment28_Strangemerges_32Ogno — объединённая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она создана путём слияния моделей automerger/M7Yamshadowexperiment28-7B и automerger/Strangemerges_32Ogno-7B и предназначена для генерации текста и диалогов по текстовым запросам. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает специализацию по языкам или предметным областям, поэтому модель следует считать общей текстовой моделью.

M7Yamshadowexperiment28_T3qT3qm7 — объединённая языковая модель на архитектуре Mistral, созданная из automerger/M7Yamshadowexperiment28-7B и automerger/T3qT3qm7-7B. Модель содержит 7,1 млрд параметров и принимает текст для авторегрессионной генерации текста; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалога. По описанию базовой модели, она также подходит для ответов на математические запросы. Данных о специальной отраслевой настройке или поддерживаемых языках нет. Весовые файлы представлены в формате safetensors. Лицензия — Apache-2.0. Качество ответов может различаться в зависимости от запроса; подтверждённых сведений о точности и специальных ограничениях в карточке нет.

alamios/Meta-Llama-3.1-8B-Instruct-GGUF-f16 — сборка Meta-Llama 3.1 8B Instruct в формате GGUF F16 для запуска через llama.cpp. Модель основана на meta-llama/Meta-Llama-3.1-8B-Instruct и предназначена для диалоговой генерации текста и ответов на запросы. Карточка указывает совместимость с выпуском llama.cpp b3565. Модель относится к семейству Llama 3.1, имеет 8 млрд параметров и поддерживает несколько языков, включая английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский. Репозиторий распространяется по лицензии Llama 3.1. GGUF F16 хранит веса в формате половинной точности; конкретные требования к памяти и ограничения качества в карточке не описаны.

MiMo-V2.6-Flash-MOPD — мультимодальная модель Xiaomi для диалогов и агентных сценариев с вызовом инструментов. Это обновлённая версия чекпойнта MiMo-V2.6-Flash-RL: MOPD-дистилляция объединяет специализированных учителей и снижает повторение одинаковых или похожих вызовов инструментов. Модель принимает текст, изображения, видео и аудио, поддерживает контекст до 1 048 576 токенов и ориентирована, в частности, на длительные агентные задачи, разработку игр, научные исследования и воплощённый интеллект. В README описана разреженная MoE-архитектура с 309 млрд параметров, из которых активируются 15 млрд; метаданные репозитория указывают 12 млрд параметров и формат safetensors FP8. В архитектуру также входят зрительный и аудиоэнкодеры и спекулятивный декодер. Модель подходит для многошаговых диалогов и работы с инструментами, а заявленное снижение повторяющихся вызовов может быть полезно в агентных циклах. Карточка указывает английский и китайский языки; лицензия — MIT. Учитывая различие в значении общего числа параметров между README и метаданными, размер следует трактовать осторожно; заявленное снижение повторов не гарантирует их полного отсутствия.

zelk12 создал эту объединённую языковую модель на архитектуре Gemma 2: веса zelk12/MT2-gemma-2-9B и Aashraf995/Gemma-Evo-10B сведены методом SLERP с помощью mergekit. Модель содержит 9 млрд параметров, предназначена для генерации текста и диалогового взаимодействия; она принимает текстовые запросы и выдаёт текст. Модель подходит для чат-ботов и других приложений, которым нужны ответы на текстовые запросы. Нативная длина контекста составляет 8192 токена. В репозитории представлены веса в формате safetensors. Лицензия в предоставленных данных не указана.

Neural-AlphaMistral-7B — диалоговая языковая модель, созданная Ppoyaa слиянием трёх моделей с помощью LazyMergekit: AlphaMonarch-7B, Mistral-7B-Instruct-v0.2 и NeuralMaths-Experiment-7b. Используется архитектура MistralForCausalLM с плотной структурой и 7,1 млрд параметров; веса сохранены в формате safetensors. Модель предназначена для генерации текста и ответов в диалоге, включая задачи, опирающиеся на возможности исходных моделей. Контекстное окно составляет до 32 768 токенов. Модель принимает текстовые запросы и генерирует текст. Репозиторий распространяется по лицензии Apache-2.0. README не приводит оценок качества или подробных результатов по отдельным задачам; фактические возможности унаследованного экспериментального компонента могут отличаться от поведения исходных моделей.

NeuralTrix-7B-v1 — объединённая языковая модель на основе Mistral, опубликованная CultriX. Она предназначена для генерации текста и диалогов. Модель создана методом DARE-TIES с помощью LazyMergekit из OmniBeagle-7B, MBX-7B-v3 и AiMaven-Prometheus; в конфигурации также указан mistralai/Mistral-7B-v0.1 как базовая модель. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors. Длина контекста — до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. README и метаданные не описывают специальные домены или отдельные языковые возможности.