II.6Документация и сопровождение разработки

Matter 7B 0.1 Boost — языковая модель, созданная 0-hero на основе Mistral 7B и дообученная на наборе Matter, сформированном из более чем 35 датасетов. Версия Boost дополнительно дообучена на дополнительных данных. Модель предназначена для диалогового общения и генерации текста. Она использует архитектуру MistralForCausalLM с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. README указывает формат промптов ChatML и поддержку вызова функций; метаданные отмечают английский язык. Модель распространяется по лицензии Apache-2.0.

Matter-0.1-Slim-7B-C — чат-модель на архитектуре Mistral, созданная командой 0-hero путём полного дообучения Mistral 7B на версии slim-C набора данных Matter. Набор собран из более чем 35 датасетов и содержит свыше 6 млрд токенов; модель обучалась три эпохи с помощью Axolotl. Модель предназначена для диалоговой генерации текста и поддерживает интерфейс вызова функций. Для общения используется формат ChatML. Размер модели — 7,1 млрд параметров, родная длина контекста — 32 768 токенов. Доступны веса PyTorch и Safetensors; лицензия — Apache 2.0.

megatron_2.1_MoE_2x7B — языковая модель архитектуры Mixtral с разреженной смесью экспертов (MoE), представленная пользователем Eurdem. Она предназначена для генерации текста и может применяться в диалоговых сценариях, ответах на вопросы и других задачах, решаемых текстовой языковой моделью. В карточке приведены результаты Open LLM Leaderboard: среднее значение 76,64, AI2 Reasoning Challenge — 72,95 и HellaSwag — 88,94. Модель содержит 7,1 млрд параметров, принимает контекст длиной до 32 768 токенов и распространяется в формате safetensors. Репозиторий помечен тегом merge, однако README и предоставленные сведения не называют исходные модели, вошедшие в слияние. Лицензия — Apache-2.0. Языки и дополнительные ограничения в доступных материалах не описаны.

MeliodasPercival_01_Experiment24Inex12 — объединённая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием automerger/MeliodasPercival_01-7B и automerger/Experiment24Inex12-7B и предназначена для генерации текста и диалогов. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache 2.0. Карточка не приводит сведений о языковой специализации, результатах оценки качества или конкретных ограничениях; поэтому пригодность для отдельных языков и сценариев стоит проверять на собственных примерах.

MaziyarPanahi/MeliodasPercival_01_Experiment26Alloyingotneoy — объединённая модель генерации текста, созданная на основе automerger/MeliodasPercival_01-7B и automerger/Experiment26Alloyingotneoy-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель принимает текст и генерирует текст, включая диалоги, с контекстом до 32 768 токенов. Модель подходит для продолжения текста и диалогового взаимодействия на основе текстовых запросов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Данные карточки не описывают специализацию по языку или предметной области.

MeliodasPercival_01_Experiment26Experiment30 — объединённая модель для генерации текста, созданная MaziyarPanahi на основе двух моделей: automerger/MeliodasPercival_01-7B и automerger/Experiment26Experiment30-7B. Она построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Её можно использовать для составления ответов, продолжения текста и ведения беседы на основе текстовых запросов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

MeliodasPercival_01_Experiment26T3q — объединённая языковая модель семейства Mistral, созданная MaziyarPanahi на основе automerger/MeliodasPercival_01-7B и automerger/Experiment26T3q-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст для генерации продолжений и диалоговых ответов с контекстом до 32 768 токенов. Модель подходит для генерации текста и диалогов общего назначения. В репозитории указана лицензия Apache-2.0. README не сообщает о специальной предметной настройке или оценке качества, поэтому пригодность для конкретных задач следует проверять на собственных примерах.

MeliodasPercival_01_Experiment27Shadow — объединённая модель Mistral с 7,1 млрд параметров, созданная на основе automerger/MeliodasPercival_01-7B и automerger/Experiment27Shadow-7B. Она предназначена для генерации текста и диалогов, принимает текстовые запросы и выдаёт текст. Контекстное окно составляет до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README и метаданные не описывают специализацию по языкам или предметным областям, а также не приводят отдельные оценки качества.

MeliodasPercival_01_ShadowMeliodas — объединённая авторами репозитория модель для генерации текста и диалогов. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель принимает текст и рассчитана на контекст до 32 768 токенов. В состав объединения вошли automerger/MeliodasPercival_01-7B и automerger/ShadowMeliodas-7B. Модель подходит для генерации продолжений текста и ведения диалогов. Она опубликована в формате Safetensors под лицензией Apache-2.0. Карточка не описывает специальные предметные области или подробные ограничения качества.

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_T3qm7xpT3q — объединённая текстовая модель семейства Mistral, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/T3qm7xpT3q-7B. Она предназначена для генерации текста и диалогов, включая сценарии с длинными запросами и контекстом до 32 768 токенов. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и распространяется в формате safetensors. Модель может использоваться для создания ответов и продолжения текста в приложениях на базе Transformers. Поддерживаемые языки и специализированные области применения в карточке не описаны. Лицензия — Apache-2.0.

MaziyarPanahi/MeliodasPercival_01_YamT3qm7x — объединённая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана путём слияния моделей automerger/MeliodasPercival_01-7B и automerger/YamT3qm7x-7B. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст длиной до 32 768 токенов, что позволяет использовать её для многоходовых бесед и работы с длинными текстовыми запросами. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. README не описывает специализированные области применения или дополнительные возможности модели.

MeliodasT3qm7_Experiment27Neuralsirkrishna — объединённая модель семейства Mistral, созданная на основе automerger/MeliodasT3qm7-7B и automerger/Experiment27Neuralsirkrishna-7B. Модель с плотной архитектурой MistralForCausalLM содержит 7,1 млрд параметров и предназначена для генерации текста и диалогов. Модель принимает текст и выдаёт текст. Размер контекста составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Данных о специализации по языкам или прикладным областям нет.

MeliodasT3qm7_Strangemerges_32T3qm7xp — слитая авторами репозитория модель на архитектуре Mistral для генерации текста. Она объединяет automerger/MeliodasT3qm7-7B и automerger/Strangemerges_32T3qm7xp-7B; размер составляет 7,1 млрд параметров, а контекст — до 32 768 токенов. Модель принимает текст и генерирует текст. Модель подходит для диалоговых и иных задач генерации текста общего назначения. Репозиторий распространяет веса в формате safetensors по лицензии Apache-2.0. В карточке не описаны специальные предметные области или дополнительные возможности.

MeliodasT3qm7_YamshadowExperiment27pastiche — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/MeliodasT3qm7-7B и automerger/YamshadowExperiment27pastiche-7B. Модель содержит 7,1 млрд параметров и принимает текст для генерации продолжений и диалоговых ответов с контекстом до 32 768 токенов. Модель предназначена для генерации текста и ведения диалогов. В карточке указана лицензия Apache-2.0. Сведения о специализации по языкам или предметным областям отсутствуют.

Mellum2-12B-A2.5B-Thinking-GGUF — GGUF-квантизированная версия модели Mellum2-12B-A2.5B-Thinking, разработанной JetBrains. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, решения задач с пошаговым рассуждением, программирования, математического анализа и работы с инструментами. В README указано, что поддерживается английский язык. Модель имеет обозначение 12B-A2.5B-Thinking; точная архитектура, длина контекста и распределение параметров в README не раскрыты. Доступны варианты от BF16 до различных уровней квантизации GGUF, включая Q8_0, Q6_K, Q5_K и Q4_K; размеры файлов составляют примерно от 8 до 24 ГБ для перечисленных вариантов. Для запуска поддерживаются llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другие совместимые инструменты. Используется специальный chat-шаблон с маркерами im_start и im_end. Среди сильных сторон заявлены высокие результаты на задачах программирования, математики, общих знаний и следования инструкциям: например, 69,9% pass@1 на LiveCodeBench v6, 87,0% exact match на GSM-Plus и 86,2% accuracy на MMLU-Redux. Эти результаты помечены как непроверенные. Ограничения включают зависимость качества и требований к памяти от выбранной квантизации, неизвестную длину контекста и отсутствие данных о мультимодальности; README описывает модель как текстовую. Лицензия — Apache-2.0.

Memalpha-4B — генеративная текстовая модель, опубликованная пользователем YuWangX на Hugging Face. По метаданным она предназначена для генерации текста и поддерживает conversational-сценарии; в тегах также указана связь с семейством Qwen3. Модель рассчитана на работу через библиотеку Transformers и распространяется в формате Safetensors. Модель содержит около 3,7 млрд параметров и поддерживает контекст длиной до 40 960 токенов, что позволяет обрабатывать достаточно длинные диалоги и документы. Её можно применять для создания ответов в чатах, продолжения текста, черновой генерации контента и интеграции в приложения на базе Transformers. README не содержит сведений о разработчиках, лицензии, языках, обучающих данных, результатах оценки, безопасности и рекомендуемых сценариях использования. Поэтому перед применением в продуктивных, чувствительных или коммерческих системах необходимы самостоятельная проверка качества, совместимости и условий распространения.

K00B404 объединил две предварительно обученные языковые модели на базе Mistral-7B с помощью mergekit и метода SLERP. Результат — плотная авторегрессионная модель MistralForCausalLM с 7,1 млрд параметров для генерации текста и диалогов; она поддерживает контекст до 32 768 токенов и доступна в формате safetensors для библиотеки Transformers. Модель подходит для генерации продолжений текста и ведения диалогов. В состав объединения вошли EmbeddedLLM/Mistral-7B-Merge-14-v0.1 и K00B404/Merged_Beowolx-CodePro_Medusa2-7B-Mistral-I-v0-2. Карточка не приводит результаты оценки качества или подробные ограничения. Лицензия в предоставленных данных не указана.

MergeX — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом SLERP из yam-peleg/Experiment26-7B и Gille/StrangeMerges_32-7B-slerp. Модель разработана автором репозитория nlpguy и предназначена для генерации текста. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст длиной до 32 768 токенов. В репозитории представлены веса в формате safetensors; конфигурация слияния указывает на float16. Карточка не описывает отдельные специализированные области применения или языковую специализацию. Лицензия в предоставленных данных не указана.

Merlinite-7B-Lab — диалоговая языковая модель IBM Research на архитектуре Mistral, дообученная методом LAB на синтетических данных, созданных с помощью Mixtral-8x7B-Instruct. Модель насчитывает 7,1 млрд параметров, принимает текст и генерирует текст; её контекстное окно — 32 768 токенов. Основной язык — английский. Модель предназначена для диалогов и выполнения разнообразных инструкций: ответов на вопросы, рассуждений, творческого письма и задач на знания и навыки. Метод LAB использует таксономию примеров для генерации обучающих данных и поэтапное обучение с буферами повторного воспроизведения, чтобы добавлять знания и навыки к базовой модели. Модель распространяется по лицензии Apache 2.0. В README отмечено, что модель не проходила выравнивание по человеческим предпочтениям и может выдавать проблемные или вымышленные ответы. Рекомендуется использовать системный промпт, применённый при обучении; модель не следует считать единственным источником для важных решений.

TroyDoesAI/Mermaid-Flow-MoE-Expert2 — текстовая модель генерации на архитектуре Llama с 10,6 млрд параметров. Она создана слиянием методом SLERP моделей TroyDoesAI/Mermaid-Solar и TroyDoesAI/Mermaid_PythonCoder; в конфигурации указана базовая модель TroyDoesAI/Mermaid-Solar. Модель предназначена для генерации текста по запросу и объединяет возможности исходных моделей, одна из которых ориентирована на код Python и Mermaid. Модель принимает текст и выдаёт текст. Нативное окно контекста составляет 4096 токенов. Репозиторий содержит веса Safetensors, для работы указана библиотека Transformers. Данных о конкретном качестве, поддерживаемых языках и лицензии в доступных источниках нет.

unsloth/Meta-Llama-3.1-70B-bnb-4bit — это 4-битно квантованная версия базовой модели Meta Llama 3.1 70B, подготовленная Unsloth для эффективного использования и дообучения. Модель предназначена прежде всего для генерации и обработки текста, включая диалоговые сценарии, продолжение текста и адаптацию под специализированные наборы данных с помощью fine-tuning или DPO. Указан английский язык и поддержка библиотеки Transformers; мультимодальность не заявлена. Ключевая характеристика модели — размер 70 млрд параметров и представление в формате bnb-4bit, снижающее требования к памяти по сравнению с полной точностью. README не содержит сведений о длине контекста, точной архитектуре, вычислительной производительности именно этой версии или результатах оценки качества. К сильным сторонам относятся крупный размер базовой модели и возможность более доступного запуска и дообучения; ограничениями являются повышенные требования к вычислительным ресурсам по сравнению с меньшими моделями и возможные потери качества из-за 4-битной квантизации. Модель распространяется по лицензии llama3.1.

Это квантизированная версия Meta-Llama-3.1-70B-Instruct в формате GGUF, подготовленная пользователем MaziyarPanahi на основе исходной модели Meta-Llama-3.1-70B-Instruct, разработанной Meta (meta-llama). Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через совместимые приложения и библиотеки. Модель относится к семейству Llama 3.1 и имеет размер 70B; в README указаны варианты квантования с разрядностью 2, 3, 4, 5, 6 и 8 бит. Поддерживаются текстовые входы и выходы, а заявленные языки включают английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский. Формат GGUF совместим с llama.cpp, llama-cpp-python, LM Studio, text-generation-webui и другими инструментами локального инференса. Ключевые преимущества — выбор уровней квантования, возможность локального использования и поддержка GPU в ряде совместимых инструментов. Ограничения и требования к лицензии, точный размер контекста, архитектурные детали, качество на отдельных задачах и необходимые аппаратные ресурсы в README не указаны. Условия лицензирования также не приведены, поэтому их следует уточнить в материалах исходной модели Meta-Llama-3.1-70B-Instruct.

legraphista/Meta-Llama-3.1-8B-Instruct-IMat-GGUF — вариант модели Meta-Llama-3.1-8B-Instruct, подготовленный legraphista в формате GGUF с поддержкой IMat. Это инструкционно настроенная большая языковая модель Meta с 8 млрд параметров, предназначенная для диалогов, следования инструкциям и генерации текстовых ответов. Данные README не содержат точной информации о поддерживаемых языках, длине контекста, конкретных вариантах квантования или аппаратных требованиях. Формат GGUF делает модель пригодной для локального запуска в совместимом программном обеспечении, однако README не указывает конкретные средства инференса и характеристики производительности. Ограничения включают возможные ошибки и нежелательные результаты, характерные для языковых моделей, а также ответственность пользователя за оценку пригодности выводов. Модель распространяется на условиях Llama 3.1 Community License от Meta. При распространении материалов или производных продуктов требуется сохранять текст лицензии и указывать «Built with Llama»; также необходимо соблюдать Acceptable Use Policy. Для продуктов с более чем 700 млн ежемесячных активных пользователей предусмотрены дополнительные лицензионные условия.

Meta-Llama-3-8B-Instruct-old-GGUF — это GGUF-версия инструкционно дообученной большой языковой модели Meta Llama 3 с 8 млрд параметров, подготовленная для распространения пользователем bartowski. Исходную модель разработала Meta. Она предназначена для генерации текста и выполнения инструкций в диалоговых и прикладных сценариях, включая ответы на вопросы, подготовку текста и другие задачи обработки естественного языка. В README указаны английский язык и текстовая модальность; модель относится к семейству Llama 3 и использует архитектуру decoder-only Transformer, однако подробности о контекстном окне, вариантах квантизации и характеристиках конкретной GGUF-сборки не приведены. Сильными сторонами являются относительно компактный размер для локального запуска и ориентация на следование инструкциям. Ограничения, связанные с качеством, безопасностью и применимостью результатов, в README отдельно не описаны. Модель распространяется по лицензии Meta Llama 3 Community License. При распространении материалов или продуктов на их основе требуется соблюдать условия лицензии, включая указание «Built with Meta Llama 3», сохранение уведомления об авторстве и соблюдение Acceptable Use Policy. Для организаций с более чем 700 млн ежемесячных активных пользователей предусмотрено получение отдельной лицензии Meta.

NoelJacob/Meta-Llama-3-8B-Instruct-Q4_K_M-GGUF — это квантизированная версия инструкционно дообученной языковой модели Meta Llama 3 с приблизительно 8 млрд параметров, подготовленная NoelJacob в формате GGUF для использования с llama.cpp и совместимыми инструментами. Модель предназначена для генерации и обработки текста, включая диалоговые сценарии и выполнение инструкций. В метаданных указан английский язык; другие языки и поддержка дополнительных модальностей не заявлены. Обозначение Q4_K_M указывает на 4-битную квантизацию варианта K_M, которая обычно уменьшает требования к памяти и упрощает локальный запуск по сравнению с полноразмерными весами, но может снижать точность относительно исходной модели. В предоставленных данных не указаны размер файла, максимальная длина контекста, конкретные требования к оборудованию, результаты тестирования или дополнительные ограничения качества. Модель распространяется на условиях Meta Llama 3 Community License. При использовании и распространении необходимо соблюдать условия этой лицензии, включая требования к атрибуции, отображению обозначения «Built with Meta Llama 3», соблюдению Acceptable Use Policy и специальные коммерческие условия для продуктов с более чем 700 млн ежемесячных активных пользователей.

thewordsmiths/Meta-Llama-3-8B_sft_merged_100000 — дообученная языковая модель на архитектуре Llama, разработанная thewordsmiths на основе meta-llama/Meta-Llama-3-8B. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста; в карточке также указано обучение с помощью Unsloth и библиотеки TRL. Модель может служить основой для генерации продолжений текста и других задач, решаемых через text-generation. Карточка не уточняет специализацию дообучения или особенности диалогового режима. Заявленное родительское семейство предназначено для английского текста и кода; контекст модели составляет 8192 токена. Модель распространяется под лицензией Apache-2.0. Доступны веса в формате Safetensors.

MFANN-phigments-slerp-V2 — слитая языковая модель семейства Phi, созданная с помощью mergekit методом TIES на основе liminerity/Phigments12 с включением двух моделей netcat420: MFANN-Phigments12-slerp и MFANN-phigments-slerp-1a. Модель предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 3,5 млрд параметров, использует архитектуру PhiForCausalLM и распространяется в формате safetensors для Transformers. В README не описаны конкретные специализации или языковые возможности, поэтому модель можно охарактеризовать как генеративную языковую модель общего назначения. Лицензия в предоставленных данных не указана.

Midnight-Miqu-103B-v1.0 — языковая модель, созданная sophosympatheia методом passthrough-слияния слоёв Midnight-Miqu-70B-v1.0 с самой собой. Это плотная авторегрессионная модель семейства Llama на 102,9 млрд параметров, распространяемая в формате safetensors для Transformers; карточка заявляет контекст до 32 тыс. токенов и возможность диалогового использования. Модель предназначена для генерации текста и ответов в чате с длинным контекстом. В карточке приведены ссылки на отдельные сторонние квантованные сборки GGUF и EXL2; сам репозиторий содержит safetensors. Лицензия указана как other, поэтому условия использования следует сверить с файлами и сведениями лицензии репозитория. README отсылает к карточке базовой Midnight-Miqu-70B-v1.0 за подробностями применения, поэтому конкретные языки, качество и ограничения здесь не уточнены.

Mika-Lelantacles-7b-Longtext — объединённая методом SLERP языковая модель семейства Mistral, созданная Nitral-Archive на основе Nitral-AI/Mika-Longtext-7b и ChaoticNeutrals/Prima-LelantaclesV7-experimental-7b. Она предназначена для генерации текста и диалогового взаимодействия; может применяться для ответов на вопросы, написания и продолжения текстов, а также работы с длинными запросами в пределах контекста до 32 768 токенов. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров. Веса опубликованы в формате safetensors; для работы указан Transformers. В README приведены результаты оценки на нескольких бенчмарках, включая средний балл 70,86, AI2 Reasoning Challenge и HellaSwag. Лицензия обозначена как other, поэтому условия использования следует проверять в карточке и у исходных моделей. Карточка не описывает языковой охват и конкретные ограничения качества; это следует учитывать при выборе модели для специализированных задач.