II.6Документация и сопровождение разработки

Llama-3-8B-instruct-x-OrpoLlama-3-8B — объединённая диалоговая модель на базе Llama 3, созданная с помощью LazyMergekit. В конфигурации указаны Llama-3-8B-instruct от AI-Sweden-Models и mlabonne/OrpoLlama-3-8B; применён метод слияния dare_ties с параметрами density 0,53, weight 0,6 и маской int8. Веса сохранены в формате bfloat16. Модель предназначена для диалоговой генерации текста и ответов на запросы в чате. Она содержит около 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. Метаданные указывают на дообученную базовую модель mlabonne/OrpoLlama-3-8B; описание базовой модели отмечает шаблон ChatML. Сведений о лицензии и поддерживаемых языках в предоставленных данных нет.

Magpie-Align/Llama-3-8B-Magpie-Air-MT-SFT-v0.1 — плотная авторегрессионная языковая модель семейства Llama 3, дообученная на наборе Magpie-Air-MT-300K-v0.1. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Для диалога рекомендуется использовать официальный шаблон чата Llama 3. Модель предназначена для генерации ответов на инструкции и ведения диалога. Авторы сообщают о результатах, сопоставимых с Llama-3-8B-Instruct на некоторых задачах, и приводят оценки Alpaca Eval 2 и Arena Hard. Модель опубликована в форматах PyTorch и Safetensors и распространяется по лицензии Meta Llama 3 Community License. Она унаследует ограничения базовой Llama 3 и качество данных дообучения; приведённые оценки не гарантируют одинаковую производительность на всех запросах.

Llama-3-8B-Ultra-Instruct-GGUF — квантованные версии инструкционной языковой модели Llama-3-8B-Ultra-Instruct. Исходная модель связана с elinas/Llama-3-8B-Ultra-Instruct и базируется на Undi95/Meta-Llama-3-8B-Instruct-hf; квантования подготовлены bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и выполнения инструкций в локальных сценариях, где важны автономность и умеренные требования к памяти. Это текстовая модель с примерно 8 млрд параметров, представленная в формате GGUF и совместимая с llama.cpp. Доступны варианты квантования от Q8_0 до IQ1_M размером примерно от 2,16 до 8,54 ГБ. Более качественными считаются Q6_K, Q5_K_M, Q5_K_S и ряд вариантов Q4; низкобитные версии экономят память, но снижают качество. В README не указаны языки, размер контекста, поддержка других модальностей и результаты бенчмарков. Для работы следует использовать специальный chat-шаблон Llama 3 с ролями system, user и assistant. Модель подходит для локальных чат-ботов, генерации и преобразования текста, а также других задач следования инструкциям. Сильные стороны — широкий выбор квантований, возможность запуска на ограниченных ресурсах и сохранение высокого качества в старших вариантах. Ограничения связаны с потерями качества при сильном квантовании; варианты Q3 и ниже имеют заметно более низкое качество, а IQ1_M не рекомендуется. Лицензия указана как llama3.

Fischerboot/llama3-carlodda-v1 — объединённая автором модель на основе языковых моделей Essacheez/LLAMA3-8b-LIMA-Alpaca-style и Fischerboot/llama3-c1-full. Она использует плотную архитектуру Llama с причинно-языковой моделью LlamaForCausalLM и предназначена для генерации текста. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Объединение выполнено методом passthrough с помощью mergekit. Модель доступна в формате safetensors для библиотеки Transformers. Карточка не описывает специализированные области применения, языки или отдельные возможности, поэтому её можно характеризовать как модель общего назначения для генерации текста. Условия лицензии в предоставленных данных не указаны.

QuantFactory/Llama-3-Hercules-5.0-8B-GGUF — квантованная версия языковой модели Llama-3-Hercules-5.0-8B, созданная с использованием llama.cpp. Базовая модель основана на Llama-3-8B и дообучена Locutusque на датасете Locutusque/hercules-v5.0. Модель предназначена для генерации текста и использует формат запросов OpenAI ChatML с поддержкой вызовов функций. Модель ориентирована на выполнение сложных многошаговых инструкций, диалоговое взаимодействие, работу с научной и технической тематикой, включая биологию, химию, физику, математику, медицину и компьютерные науки. Она может применяться для специализированных чат-ботов, образовательных ассистентов, генерации кода и сценариев, где требуется выполнение функций через вызовы инструментов. В README не указаны поддерживаемые языки и максимальная длина контекста. Ключевые ограничения включают риск галлюцинаций и фактических ошибок, особенно в специализированных областях, наличие токсичных или вредных примеров в обучающих данных, возможное воспроизведение предубеждений и риск злоупотребления функциональностью вызова функций. Условия распространения обозначены лицензией llama3.

Llama 3 Tulu V2 8B — языковая модель-помощник от AllenAI, дообученная на базе meta-llama/Meta-Llama-3-8B на смеси общедоступных, синтетических и созданных людьми инструкций и диалогов. Модель с плотной архитектурой Llama содержит 7,5 млрд параметров и предназначена для генерации ответов в диалогах и выполнения разнообразных инструкций; основной язык — английский. Указанный родной размер контекста — 8129 токенов. Модель подходит для прототипирования англоязычных помощников, ответов на вопросы, объяснений и других задач генерации текста. В карточке приведены результаты сравнительных тестов, однако они не гарантируют качество для конкретного сценария. Модель не прошла этап выравнивания RLHF и не использует фильтрацию ответов во время работы, поэтому может выдавать небезопасный или проблемный контент. Лицензия репозитория — Apache 2.0; карточка также отмечает лицензию Meta Llama 3 для базовой модели.

Locutusque/Llama-3-Yggdrasil-2.0-8B — объединённая разговорная языковая модель, созданная с помощью mergekit. В основу объединения легла NousResearch/Meta-Llama-3-8B; также использованы Locutusque/Llama-3-NeuralHercules-5.0-8B, NousResearch/Hermes-2-Theta-Llama-3-8B и Locutusque/llama-3-neural-chat-v2.2-8b. Для слияния применён метод DARE TIES. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Она предназначена для генерации текста и диалоговых сценариев. README приводит результаты оценивания на Open LLM Leaderboard, включая IFEval и BBH, но не уточняет лицензию и конкретные языковые ограничения; язык нельзя уверенно определить по этим данным.

rinna/llama-3-youko-8b-instruct — диалоговая языковая модель компании rinna на архитектуре Llama 3, созданная на основе Llama 3 Youko 8B. Модель содержит около 7,5 млрд параметров, использует плотный 32-слойный трансформер и контекст до 8192 токенов. Она обучена следовать инструкциям и работает в формате чата Llama 3. Модель предназначена для генерации ответов и диалога на японском и английском языках. Обучение включало supervised fine-tuning, добавление chat vector и direct preference optimization на наборах данных с японскими и английскими диалогами, а также примерами математики и кода. Для генерации разработчики рекомендуют repetition_penalty=1.1: без этой настройки модель чаще повторяет текст. Весовые файлы опубликованы в формате safetensors. Лицензия — llama3; использование регулируется условиями лицензии Meta Llama 3.

LLamaPhi3 — языковая модель семейства Llama, созданная bunnycore путём объединения частей двух моделей с помощью Mergekit: Dolphin-2.9.1-Phi-3-Kensho-4.5B-abliterated-v3 и HyperLlama-3.1-8B. В конфигурации указаны метод passthrough и формат весов bfloat16. Модель предназначена для генерации текста и диалогового взаимодействия; метаданные также отмечают интерфейс вызова инструментов. Репозиторий содержит веса Safetensors, а заявленный контекст составляет 131072 токена. Модель насчитывает 6,2 млрд параметров. Лицензия — Apache-2.0. Карточка не описывает языковую специализацию или подробные ограничения качества, поэтому их нельзя надёжно уточнить.

Карточка модели mergekit-community/llama-world на Hugging Face совпадает с карточкой fradinho/world-llama2, поэтому описание составлено по ней. fradinho/world-llama2 — объединённая диалоговая языковая модель на архитектуре Llama с 6,6 млрд параметров. Она создана методом task arithmetic с помощью mergekit из LargeWorldModel/LWM-Text-Chat-1M и NousResearch/Llama-2-7b-chat-hf; веса сохранены в формате safetensors, исходная точность — bfloat16. Модель предназначена для генерации текста и ведения диалогов. Заявленная длина контекста составляет 1 048 576 токенов, что позволяет обрабатывать длинные текстовые запросы и документы. В карточке базовая диалоговая модель описана как англоязычная; отдельные языковые возможности итогового объединения не уточняются. Модель распространяется по лицензии MIT. Карточка не приводит сравнительных оценок качества или специальных мер безопасности; результаты на длинном контексте и в других языках могут зависеть от сценария применения.

LlamaZero 3.1-8B — языковая модель для генерации текста, созданная sethuiyer путём слияния предварительно обученных моделей с помощью mergekit. Она основана на DeepSeek-R1-Distill-Llama-8B и Llama-3.1-8B-Experimental-1206-Instruct; архитектура — плотная Llama с классом LlamaForCausalLM, размер — около 7,5 млрд параметров. Модель предназначена для диалогового взаимодействия и генерации текста; в README приведены результаты оценки на бенчмарках IFEval и BBH. Метаданные указывают контекст до 131 072 токенов и поддержку чата. В репозитории используются веса safetensors. Лицензия в предоставленных данных не указана.

Это дообученная модель генерации текста на 1,7 млрд параметров, созданная на основе KKHYA/llavaqwen3-1.7b-finetune. Репозиторий указывает семейство архитектуры nm_mask_moe_llava_qwen3; модель предназначена для генерации текста и диалогов и поддерживает интерфейс вызова инструментов. Базовая модель относится к семейству Qwen3. Модель принимает текст и выдаёт текст. Для неё заявлено контекстное окно до 40 960 токенов. Данные обучения и подробные ограничения в карточке не описаны. Лицензия — Apache-2.0.

Lonepino-11B — плотная авторегрессионная языковая модель семейства Mistral, созданная beberik путём слияния нескольких моделей с помощью mergekit. В состав рецепта входят Intel/neural-chat-7b-v3-3-Slerp, NeverSleep/Noromaid-7b-v0.2, chargoddard/loyal-piano-m7-cdpo и maywell/PiVoT-0.1-Starling-LM-RP. Репозиторий содержит веса в формате bfloat16 и safetensors; размер модели — 10,6 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. В README упомянуты шаблоны Alpaca и ChatML, а также приведены результаты оценивания на нескольких языковых бенчмарках. Основной язык и специализация не заявлены, поэтому её следует рассматривать как модель общего назначения. Лицензия CC BY-NC 4.0 требует указания авторства и запрещает коммерческое использование.

QuantFactory/LongWriter-glm4-9b-GGUF — квантизированная версия модели LongWriter-glm4-9b, разработанной командой THUDM. Модель создана на базе glm-4-9b и предназначена для генерации длинных текстов объёмом более 10 000 слов за один запрос. Версия в формате GGUF подготовлена с использованием llama.cpp. Модель относится к текстовым генеративным моделям и поддерживает сценарии написания крупных документов, например подробных руководств и других длинных материалов. В README указаны английский и китайский языки, архитектурная основа GLM и размер порядка 9 млрд параметров. Для работы с исходной моделью приведены настройки контекста и генерации до 32 768 токенов; также заявлена совместимость с Transformers версии 4.43.0 и выше и возможность развёртывания через vLLM. Ключевое преимущество — ориентация на длинную генерацию, а квантизация может упростить запуск в средах с ограниченными ресурсами. Ограничения, точные требования к оборудованию и характеристики качества в README не указаны. Условия использования определяются лицензией glm-4-9b, ссылка на текст которой приведена в карточке модели.

LSDA-3B-Turkish-Dev — языковая модель на 3,1 млрд параметров, разработанная umitaksoylu на базе Qwen2.5-3B и дообученная для задач современной full-stack разработки. Она предназначена для генерации кода и технических объяснений, особенно для C# и .NET, SQL и React; заявлены примеры совместной работы backend API и frontend-компонентов, генерации запросов по схемам, LINQ и современных шаблонов .NET, а также React Hooks и Context. Модель использует плотную архитектуру Qwen2ForCausalLM, принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Карточка заявляет двуязычную работу на английском и турецком языках и рекомендует использовать именно их. Веса опубликованы в формате Safetensors; лицензия — Apache-2.0. Качество и надёжность результатов зависят от запроса, а заявленная специализация не гарантирует корректность кода или SQL.

Lumina-3.5 — языковая модель на архитектуре Mixtral Mixture of Experts, собранная с помощью LazyMergekit. В карточке указано, что модель улучшает рассуждения по сравнению с Lumina-3; метаданные указывают размер 7,1 млрд параметров и контекстное окно до 32 768 токенов. Модель предназначена для генерации текста и задач рассуждения. В README приведены результаты Open LLM Leaderboard, включая среднюю оценку 75,41, результат 71,59 на AI2 Reasoning Challenge и 88,82 на HellaSwag. Доступны веса в формате Safetensors; упомянута отдельная GGUF-квантизация от стороннего автора. Лицензия — Apache-2.0. README не сообщает поддерживаемые естественные языки и конкретные ограничения качества или использования.

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.

Lzlv 70B AWQ — 4-битная AWQ-квантизованная версия языковой модели Lzlv 70B, созданной A Guy на базе Llama 2. Квантизацию выполнил TheBloke. Модель предназначена для генерации текста и выполнения инструкций в сценариях локального или серверного инференса, включая диалоговые приложения, ответы на запросы и другие задачи обработки текста. Модель имеет архитектуру Llama, около 70 миллиардов параметров и поддерживает текстовую модальность. В опубликованной конфигурации используются 4-битные веса AWQ с групповым размером 128, последовательностью длиной до 4096 токенов и размером файлов около 36,61 ГБ. AWQ ориентирована на эффективный инференс с низким потреблением памяти; заявлена совместимость с Text Generation WebUI через AutoAWQ, vLLM, Hugging Face Text Generation Inference и AutoAWQ. Для взаимодействия предусмотрен шаблон запросов в формате Alpaca. К сильным сторонам относятся существенно уменьшенный размер по сравнению с исходной FP16-моделью и возможность быстрого инференса на совместимом GPU при сохранении качества, сопоставимого с распространёнными настройками GPTQ. Ограничения включают максимальную длину последовательности 4096 токенов, необходимость совместимого программного обеспечения и оборудования, а также возможные потери качества из-за квантизации. Модель заявлена под лицензией CC BY-NC 2.0; поскольку она основана на Llama 2, также применяются условия лицензии Meta Llama 2. Эти условия следует рассматривать как двойное лицензирование, а коммерческое использование требует отдельной проверки ограничений.

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_Experiment26Experiment28 — слитая языковая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель объединяет automerger/M7Yamshadowexperiment28-7B и automerger/Experiment26Experiment28-7B. Репозиторий содержит веса в формате safetensors. Модель принимает текстовые запросы и генерирует текст; сведения о специальных сценариях применения и поддерживаемых языках в карточке отсутствуют. Модель распространяется по лицензии Apache-2.0.

MaziyarPanahi/M7Yamshadowexperiment28_Experiment26Inex12 — объединённая модель на архитектуре Mistral, созданная слиянием automerger/M7Yamshadowexperiment28-7B и automerger/Experiment26Inex12-7B. Она предназначена для генерации текста и диалоговых сценариев, где полезен контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате Safetensors. Модель может использоваться для продолжения текста, ответов на запросы и ведения диалога. Данные не описывают её специализацию по языкам или предметным областям, поэтому её следует рассматривать как модель общего назначения. Лицензия — Apache-2.0.

M7Yamshadowexperiment28_Experiment28Meliodas — объединённая модель на архитектуре Mistral, созданная из automerger/M7Yamshadowexperiment28-7B и automerger/Experiment28Meliodas-7B. Модель содержит 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов. Она предназначена для генерации текста и может использоваться в приложениях, которым нужна генерация продолжений или ответов на текстовые запросы. README не описывает специализированные сценарии или языковую направленность модели. Модель распространяется в формате safetensors по лицензии Apache-2.0.

M7Yamshadowexperiment28_Inex12Yam — слитая языковая модель, созданная объединением automerger/M7Yamshadowexperiment28-7B и automerger/Inex12Yam-7B. Она предназначена для генерации текста и диалоговых сценариев на базе архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель принимает текст и выдаёт текст; данные о специальных предметных областях и языках не приведены. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

MaziyarPanahi/M7Yamshadowexperiment28_Percival_01Experiment26 — объединённая текстовая модель, созданная слиянием automerger/M7Yamshadowexperiment28-7B и automerger/Percival_01Experiment26-7B. Она использует плотную архитектуру Mistral с классом MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста. Её контекст составляет до 32 768 токенов, веса опубликованы в формате safetensors. Лицензия — Apache-2.0. В карточке не описаны специализированные сценарии или языки.

MaziyarPanahi/M7Yamshadowexperiment28_Strangemerges_32Experiment26 — слитая языковая модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана объединением моделей automerger/M7Yamshadowexperiment28-7B и automerger/Strangemerges_32Experiment26-7B. Модель предназначена для генерации текста и принимает текстовые запросы. Контекст составляет до 32 768 токенов. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. Карточка не описывает специализацию модели или её языковую поддержку.

Macaroni-7b-Tied — языковая модель для генерации текста, созданная объединением нескольких моделей семейства Mistral методом TIES. В качестве базовой использована mistralai/Mistral-7B-v0.1; в слияние также вошли decruz07/kellemar-DPO-Orca-Distilled-7B-SLERP, mlabonne/NeuralMarcoro14-7B, fblgit/UNA-TheBeagle-7b-v1 и SanjiWatsuki/Lelantos-DPO-7B. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации англоязычного текста и может использоваться для диалога, ответов на вопросы и рассуждений в текстовом формате. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0. Как и другие языковые модели, она может выдавать фактические ошибки, галлюцинации и предвзятые либо неподходящие ответы. Результаты следует проверять, особенно в критичных сценариях; разработчик предоставляет модель без гарантий пригодности для конкретной задачи.

madwind-wizard-7B — объединение предварительно обученных языковых моделей, созданное grimjim с помощью mergekit и метода SLERP. Модель основана на Mistral 7B v0.2 и объединяет её 32K-контекст с возможностями Zephyr Beta и WizardLM 2; веса представлены в формате safetensors с точностью bfloat16. Размер модели — 7,1 млрд параметров, архитектура — плотная MistralForCausalLM, длина контекста — до 32 768 токенов. Модель предназначена для генерации текста и может использоваться для диалогов, ответов на запросы и других задач генерации на основе текстового ввода. Карточка предупреждает, что модель может генерировать проблемный текст из-за унаследованного поведения Zephyr Beta. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Magistral-Small-2506-bf16 — версия модели Magistral-Small-2506, подготовленная сообществом mlx-community для формата MLX. Это плотная авторегрессионная модель семейства Mistral с 23,4 млрд параметров, предназначенная для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст; её контекстное окно составляет 32 768 токенов. В карточке указана поддержка множества языков, включая русский, английский, французский, немецкий, испанский, китайский и японский. Модель можно использовать для диалоговых интерфейсов, генерации и продолжения текста. Репозиторий содержит веса safetensors в формате MLX; README указывает на запуск через mlx-lm версии 0.25.2. Лицензия — Apache-2.0. Это преобразование базовой модели в другой формат, поэтому качество и поведение в основном определяются исходной Magistral-Small-2506, а практическое использование MLX ориентировано на совместимую среду.

MarcDareBeagle-7B — языковая модель, созданная leveldevai слиянием моделей flemmingmiguel/MarcMistral-7B и leveldevai/TurdusDareBeagle-7B с помощью LazyMergekit. Для объединения применён метод SLERP с разными весами для слоёв self-attention и MLP. Модель построена на архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она предназначена для генерации текста и принимает текстовые запросы, выдавая текст. Максимальная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате Safetensors; модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию модели, поддерживаемые языки, сравнительные показатели качества или отдельные ограничения применения.

Карточка модели mahiatlinux/MasherAI-7B-v6.1-another_test3 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.