II.6Документация и сопровождение разработки

Mistral-Nemo-Instruct-2407-bnb-4bit — это 4-битная версия инструкционной языковой модели Mistral Nemo, опубликованная Unsloth. Модель предназначена для генерации и обработки текста по инструкциям, диалоговых сценариев, а также для дообучения на собственных наборах данных с использованием экосистемы Transformers и инструментов Unsloth. Из README известно, что модель относится к семейству Mistral Nemo и рассчитана на работу с английским языком. Она доступна в формате 4-битного квантования bnb, что снижает требования к памяти и делает запуск и дообучение более доступными на ограниченных GPU-ресурсах. Указана интеграция с Transformers, а после дообучения модель можно экспортировать в GGUF или использовать через vLLM. Точный размер модели, архитектурные параметры и длина контекста в представленном README не указаны. К сильным сторонам относятся экономичное использование памяти и поддержка сценариев быстрого дообучения, включая beginner-friendly ноутбуки Unsloth. Ограничения связаны с тем, что README не содержит результатов оценки качества, подробностей о датасете и точных характеристик производительности именно этой версии. Модель распространяется по лицензии Apache-2.0.

NovoCode/Mistral-NeuralDPO-v0.3 — дообученная языковая модель на архитектуре Mistral, созданная на базе mistralai/Mistral-7B-v0.1. Она предназначена для генерации текста; README указывает, что для обучения использовался неизвестный датасет и конфигурация Axolotl 0.4.0. Модель содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. README не описывает целевую специализацию, качество, обучающие данные или конкретные сценарии применения, поэтому её возможности следует оценивать как общую генерацию текста; сведений о поддерживаемых естественных языках нет.

Mistralopithecus-v1-dpo-7b-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная объединением Mistral-7B-Instruct-v0.2 и mistralopithecus-v1-dpo-7b методом SLERP с помощью mergekit. Это плотная архитектура MistralForCausalLM с 7,1 млрд параметров, предназначенная для генерации текста и ответов на инструкции в диалоговом формате. Модель принимает текст и выдаёт текст; длина контекста составляет до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README описывает способ слияния и исходные модели, но не приводит отдельной оценки качества или подробностей о языках и специализированных областях применения.

Mistral Small 3.2 24B Instruct 2506 GGUF — мультимодальная инструкционная модель, разработанная Mistral AI и распространяемая в формате GGUF сообществом LM Studio. Квантизация выполнена lmmy на основе llama.cpp. Модель принимает текстовые и графические данные и генерирует текст, поэтому предназначена для диалоговых систем, обработки инструкций, анализа изображений с текстовым ответом и других локальных сценариев работы с мультимодальными запросами. Модель поддерживает контекст длиной до 128 000 токенов и десятки языков, включая английский, французский, немецкий, испанский, португальский, итальянский, японский, корейский, русский, китайский, арабский, персидский, индонезийский, малайский, непальский, польский, румынский, сербский, шведский, турецкий, украинский, вьетнамский, хинди и бенгальский. Точный вариант архитектуры и параметры квантизации в README не указаны; из названия следует размер базовой модели 24B. Производительность вызова инструментов может быть снижена. Модель распространяется по лицензии Apache-2.0. Следует учитывать, что это community-сборка, а не оригинальная публикация разработчика: LM Studio не гарантирует её точность, безопасность, доступность или пригодность для конкретных задач, а сгенерированные ответы могут быть ошибочными или неприемлемыми.

Mistral_solar-slerp — диалоговая языковая модель, созданная автором Pierre-obi слиянием NousResearch/Nous-Hermes-2-SOLAR-10.7B и mistralai/Mistral-7B-Instruct-v0.2 методом slerp с помощью LazyMergekit. Модель использует плотную архитектуру Mistral и содержит 7,1 млрд параметров. Она предназначена для генерации текста и ответов на инструкции в диалоговом формате. Модель принимает текст и выдаёт текст; заявленная длина контекста — до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Модель подходит для чат-ботов, ответов на вопросы и других задач генерации текста. Публичные сведения не дают отдельных результатов оценки качества или подробных ограничений, поэтому производительность в конкретных сценариях следует проверять самостоятельно.

Mistral-T5-7B-v1-Mistral-7B-Instruct-v0.1 — слитая чат-модель на архитектуре Mistral, созданная объединением Mistral-7B-Instruct-v0.1 и Mistral-T5-7B-v1 методом SLERP. Модель содержит 7,1 млрд параметров и предназначена для генерации текста в ответ на инструкции и диалоговые запросы; заявленный контекст составляет 32 768 токенов. Модель подходит для чат-ботов, ответов на вопросы и других сценариев генерации текста по запросу. В README описаны смешивание слоёв внимания и MLP и формат bfloat16; в репозитории веса представлены в safetensors. Лицензия — Apache-2.0. README и метаданные не сообщают о языковом охвате и оценках качества, поэтому результаты для конкретных языков и задач требуют проверки.

MistralTrinity-7B-slerp — языковая модель для генерации текста и диалоговых ответов, созданная объединением Mistral-7B-Instruct-v0.2 и trinity-v1 с помощью LazyMergekit. При слиянии применён метод SLERP; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель принимает текст и выдаёт текст, поддерживает диалоговый режим. Модель подходит для ответов на инструкции, ведения диалога и генерации текста с длинным контекстом. В README не приведены результаты оценки качества или сведения о целевых языках, поэтому конкретные сильные стороны по сравнению с исходными моделями и языковое покрытие определить нельзя. Распространяется по лицензии Apache-2.0.

Mistral-v0.3-6B — плотная авторегрессионная языковая модель семейства Mistral, дообученная pszemraj на базе pszemraj/Mistral-7B-v0.3-prune6. Разработчик описывает обучение как краткое продолжение предобучения с контекстом 4096 токенов для восстановления после прореживания слоёв; в метаданных указаны 5,8 млрд параметров и нативный контекст 32 768 токенов. Модель предназначена для генерации текста и задач общего языкового моделирования. В карточке приведены результаты оценивания на наборах ARC Easy, BoolQ и Open LLM Leaderboard; они дают ориентир по отдельным тестам, но не гарантируют качество в конкретном сценарии. Репозиторий содержит веса safetensors, а лицензия — Apache-2.0. Карточка не описывает специальные прикладные области или дополнительные модальности.

HIT-TMG/Mixtral_13B_Chat_RAG-Reader — двуязычная модель с генерацией текста на основе поиска по документам (RAG), представленная HIT-TMG. Она предназначена для чтения документов и ответов на вопросы по предоставленным материалам на китайском и английском языках. Модель формирует ответы с цитатами и должна отказываться отвечать, если в документах нет нужной информации. Модель построена на архитектуре Mixtral MoE с классом MixtralForCausalLM; в метаданных указано 7,1 млрд параметров и контекст 32 768 токенов. Для работы ей передают документы и вопрос в диалоговом шаблоне RAG. Репозиторий содержит веса в формате safetensors и обучающий набор HIT-TMG/TruthReader_RAG_train. Лицензия — Apache-2.0.

DiscoResearch опубликовал предварительную реализацию Mixtral — языковой модели Mistral с архитектурой Mixture of Experts (MoE). В README модель названа Mixtral 7b 8 Expert; в метаданных указано 7,1 млрд параметров, а максимальная длина контекста составляет 32 768 токенов. Репозиторий содержит веса PyTorch и предназначен для генерации текста. Модель подходит для генерации и продолжения текста, а приведённые в карточке результаты охватывают тесты на понимание текста, рассуждение и знания. В карточке перечислены английский, французский, итальянский, испанский и немецкий языки. README описывает реализацию как предварительную и отмечает необходимость загрузки с trust_remote_code=True. Лицензия — Apache-2.0.

cloudyu/Mixtral_7Bx4_MOE_24B — языковая модель Cloudyu для генерации текста, построенная на архитектуре Mixtral с разреженной смесью экспертов (MoE). В README указано, что модель создана с помощью mergekit путём объединения пяти моделей на базе Mistral 7B: Q-bert/MetaMath-Cybertron-Starling, mistralai/Mistral-7B-Instruct-v0.2, teknium/Mistral-Trismegistus-7B, meta-math/MetaMath-Mistral-7B и openchat/openchat-3.5-1210. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и ответов на запросы; README приводит результаты оценивания на ARC и HellaSwag. Для неё опубликованы веса в формате Safetensors, а лицензия CC BY-NC 4.0 ограничивает коммерческое использование. README также сообщает, что модель была улучшена с помощью DPO в отдельном репозитории cloudyu/Pluto_24B_DPO_200; это описание относится к последующей модели, а не меняет способ происхождения данного чекпойнта.

Mixtral SlimOrca 8X7B — языковая модель для генерации текста, разработанная OpenOrca и представленная TheBloke в формате GGUF с квантованием. Модель основана на Mixtral-SlimOrca-8x7B и обучена с использованием набора данных Open-Orca/SlimOrca. Она предназначена для диалоговых сценариев и других задач генерации текста, включая локальный запуск через совместимые инструменты. Модель относится к архитектуре Mixtral и имеет конфигурацию 8x7B; точный размер активируемой части, поддерживаемые языки и максимальная длина контекста в README не указаны. Для взаимодействия используется шаблон ChatML с системными и пользовательскими сообщениями. GGUF-файлы доступны в вариантах квантования от 2 до 8 бит, что позволяет выбирать компромисс между требованиями к памяти и качеством; рекомендован вариант Q4_K_M как сбалансированный. К сильным сторонам относятся возможность запуска на CPU и совместимых GPU, несколько уровней квантования и поддержка llama.cpp, KoboldCpp, LM Studio и llama-cpp-python при указанных в README версиях. Ограничения включают заметную потерю качества у наиболее агрессивных вариантов квантования, высокие требования к оперативной памяти у старших вариантов и ограниченную совместимость с другими клиентами. Лицензия модели — Apache 2.0.

IAmTheCollector/MN-Slush-GGLD — плотная языковая модель семейства Mistral с архитектурой MistralForCausalLM, созданная слиянием двух предварительно обученных моделей: crestf411/MN-Slush и DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS. Для слияния применён метод SLERP; конфигурация использует BF16 и задаёт изменяющийся по слоям вклад исходных моделей. Модель предназначена для генерации текста и диалогового взаимодействия. Заявленный размер — 12,1 млрд параметров, родной контекст — до 1 024 000 токенов. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers; метаданные также отмечают интерфейс вызова инструментов. Лицензия в предоставленных данных не указана.

leesalminen/model-3 — дообученная диалоговая языковая модель семейства Llama на базе unsloth/Hermes-3-Llama-3.1-8B. Разработчик карточки — leesalminen; при обучении использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста и ответов в диалоге, а её интерфейс поддерживает вызов инструментов. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекстное окно до 131 072 токенов. В карточке указан английский язык. Веса представлены в формате safetensors. Лицензия — Apache-2.0.

Sakalti/model-3 — языковая модель Qwen2, созданная слиянием моделей через mergekit методом TIES. В слиянии использованы Qwen/Qwen2.5-7B и Qwen/Qwen2.5-7B-Instruct; итоговая модель имеет около 7,1 млрд параметров, архитектуру Qwen2ForCausalLM и веса в формате Safetensors с точностью bfloat16. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и формирует текстовые ответы; заявленная длина контекста — 131 072 токена. В метаданных также отмечен интерфейс вызова инструментов. Данные README содержат результаты оценки на IFEval и BBH, но не описывают специальные предметные области или подтверждённые преимущества модели. Лицензия в предоставленных данных не указана.

MoEstral-2x7B — диалоговая языковая модель на архитектуре Mixtral/MoE, опубликованная paulilioaica. Она предназначена для генерации текста и ответов на инструкции, в том числе для задач рассуждения, работы с числами и абстрактными понятиями. В карточке описано объединение через mergekit двух копий mistralai/Mistral-7B-Instruct-v0.2 с маршрутизацией экспертов по тематическим подсказкам; метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель принимает текст и генерирует текст в диалоговом режиме. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0. README приводит результаты на отдельных бенчмарках, но не описывает методику или полный набор оценок, поэтому эти цифры не позволяют судить о качестве во всех сценариях.

MonarchCoder-7B — языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная abideen слиянием методом SLERP моделей Tess-Coder-7B-Mistral-v1.0 и AlphaMonarch-7B с помощью LazyMergekit. Модель предназначена для генерации кода, диалога и рассуждений; автор сообщает об улучшенных результатах на бенчмарках OpenLLM, Nous и HumanEval по сравнению с исходными моделями в описанных задачах. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и рассчитана прежде всего на английский язык. Доступны веса в формате safetensors для Transformers. Лицензия — Apache-2.0. Заявления о сравнительных результатах основаны на оценках автора; конкретные значения в доступном тексте карточки опущены.

Mother-of-Rhodia-12B — объединение предварительно обученных языковых моделей TheDrunkenSnail/Son-of-Rhodia и ToastyPigeon/Sto-vo-kor-12B, созданное автором репозитория с помощью mergekit методом SLERP. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Заявленная длина контекста — 131 072 токена; модель распространяется в формате safetensors и использует библиотеку Transformers. Модель подходит для диалоговых приложений и других сценариев генерации текста. Карточка указывает лицензию «other», поэтому условия использования следует сверить с файлами репозитория и лицензиями исходных моделей. README не приводит оценки качества или специальные ограничения применения.

MRAI_synatra_7B_v1-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре Mistral, созданная слиянием Mistral-7B-Instruct-v0.2 и MRAIRR/MRAI_synatra_7B_v1 методом SLERP. Она предназначена для генерации текста и выполнения инструкций в чате. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Слияние собрано в bfloat16 с помощью MergeKit; в качестве базовой модели указан mistralai/Mistral-7B-Instruct-v0.2. В карточке не описаны специализированные области применения или подтверждённый перечень языков. Модель распространяется по лицензии Apache-2.0.

TheDrummer выпустил Temitoku x Mitekuto — языковую модель для генерации текста и диалогов, созданную с помощью mergekit методом passthrough на основе unsloth/Mistral-Small-Instruct-2409. Модель использует плотную архитектуру MistralForCausalLM и содержит 38,8 млрд параметров; заявленная длина контекста — до 131 072 токенов. Она работает через библиотеку Transformers и распространяется в формате safetensors. Модель подходит для диалогового общения, генерации текста и сценариев с интерфейсом вызова инструментов. README указывает на объединение предварительно обученных языковых моделей, но перечисляет только одну базовую модель. Лицензия в предоставленных данных не указана.

MS-Nudion-22B — слитая модель для генерации текста на базе архитектуры Mistral, созданная с помощью mergekit методом SLERP из knifeayumu/Cydonia-v1.3-Magnum-v4-22B и SteelSkull/MSM-MS-Cydrion-22B. Модель содержит 22 млрд параметров, использует формат safetensors и поддерживает контекст до 131072 токенов. Модель предназначена для диалогов и генерации связного текста; каталог также отмечает интерфейс вызова инструментов. В конфигурации слияния указан профиль смешивания, ориентированный на поведение Hermes на входе и выходе и WizardMath в средних слоях. Карточка не описывает отдельные гарантии качества или целевые предметные области. Лицензия в предоставленных данных не указана. Для использования следует учитывать, что это объединение двух моделей; ограничения и условия могут зависеть от их лицензий и свойств.

zelk12/MT1-gemma-2-9B — объединённая разговорная языковая модель, созданная с помощью mergekit методом SLERP из zelk12/MT1-GB-gemma-2-9B и zelk12/MT1-IMMMU-gemma-2-9B. Модель разработана автором репозитория zelk12 и предназначена для генерации текста в диалоговом формате. Модель построена на архитектуре Gemma 2 с плотной авторегрессионной архитектурой Gemma2ForCausalLM, содержит 9 млрд параметров и поддерживает контекст до 8192 токенов. Доступна в формате safetensors и предназначена для работы через Transformers. README приводит результаты оценки на Open LLM Leaderboard, включая среднее значение 33,37, IFEval и BBH. В карточке не указаны поддерживаемые естественные языки. Лицензия в предоставленных данных не указана. Результаты бенчмарков не гарантируют качество на конкретных прикладных задачах.

zelk12/MT1-Gen5-MAG-gemma-2-9B — объединённая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из zelk12/MT1-Gen5-GP-gemma-2-S4S2-9B и zelk12/MT1-Gen5-MA-gemma-2-S2S4-9B. Модель содержит 9 млрд параметров, рассчитана на генерацию текста и диалоговое взаимодействие и имеет контекстное окно 8192 токена. Работает с текстовым вводом и выдаёт текст; репозиторий содержит веса в формате safetensors. Модель подходит для диалоговых приложений и генерации ответов или другого текста. Данные карточки не описывают специализацию по отдельным областям или языкам. Лицензия в предоставленных сведениях не указана.

zelk12/MT1-Max-Merge_02012025163610-GMMMUI-gemma-2-9B — объединённая языковая модель на базе Gemma 2, созданная с помощью mergekit методом SLERP из двух чекпойнтов: zelk12/MT1-Max-Merge_02012025163610-GMM-gemma-2-9B и zelk12/MT1-Max-Merge_02012025163610-MUI-gemma-2-9B. Это плотная авторегрессионная модель для генерации текста и диалогового взаимодействия. Модель содержит 9 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Карточка не сообщает о специализированной предметной области или языках, поэтому модель описывается как общего назначения. Лицензия и отдельные сведения о качестве или ограничениях в предоставленных данных отсутствуют. Как и другие генеративные языковые модели, ответы могут содержать ошибки; пригодность результата следует проверять в целевом сценарии.

zelk12 выпустил объединённую модель Gemma 2 для генерации текста и диалогов. Она создана с помощью mergekit: веса двух предварительно обученных моделей, recoilme-gemma-2-Ifable-9B-v0.1 и recoilme-gemma-2-Gutenberg-Doppel-9B-v0.1, объединены методом SLERP. Модель имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и использует формат safetensors. Модель предназначена для диалогового взаимодействия и генерации текста по запросу. Контекст составляет до 8192 токенов. Указана лицензия Gemma; условия её использования следует сверить с лицензией базовых моделей. Данных о целевых языках и специализированных областях применения в карточке нет.

zelk12 выпустил объединённую методом SLERP языковую модель на архитектуре Gemma 2. Она создана на основе recoilme/recoilme-gemma-2-9B-v0.4 и zelk12/MT-Merge-gemma-2-9B, содержит 9 млрд параметров и предназначена для генерации текста и диалоговых ответов. Модель работает с текстом, использует библиотеку Transformers и поддерживает контекст до 8192 токенов. Модель подходит для чат-ботов, интерактивных помощников и генерации текста. Веса опубликованы в формате safetensors; README указывает тип данных bfloat16. Лицензия в предоставленных данных не указана, поэтому условия использования следует проверить на странице репозитория Hugging Face. Данных о поддерживаемых языках нет.

zelk12/MT2-MMMA-gemma-2-9B — объединённая языковая модель на базе Gemma 2, созданная разработчиком zelk12 с помощью mergekit. Веса двух моделей объединены методом SLERP; архитектура — плотная Gemma2ForCausalLM, размер — 9 млрд параметров. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. Модель предназначена для генерации текста и диалогового использования. Контекст составляет 8192 токена. README не описывает специализированные сценарии или языковую специализацию, поэтому модель можно характеризовать как общего назначения. Сведения о лицензии в предоставленных данных отсутствуют.

zelk12/MT3-Gen4-gemma-2-9B — объединённая разговорная языковая модель на 9 млрд параметров, созданная с помощью mergekit методом SLERP из zelk12/MT3-Gen4-MAMM-gemma-2-9B и zelk12/MT3-Gen4-GBMUI-gemma-2-9B. В основе лежит плотная архитектура Gemma 2 для причинной генерации текста; модель рассчитана на диалоговое применение и работает через библиотеку Transformers. Модель подходит для генерации ответов и ведения диалога в пределах контекста до 8192 токенов. В README приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH, однако они сами по себе не гарантируют качество в конкретных сценариях. Модель распространяется по лицензии Gemma.

zelk12 выпустил объединённую модель Gemma 2 для диалогов и генерации текста. Она создана методом SLERP с помощью mergekit из zelk12/MT2-gemma-2-9B и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1. Модель имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и чат-сценариев, включая ответы на запросы и выполнение инструкций. Репозиторий использует библиотеку Transformers и формат safetensors. В README и метаданных лицензия не описана, поэтому условия использования по ним определить нельзя.

zelk12 опубликовал объединённую модель MT3-IMA-gemma-2-9B, созданную с помощью mergekit из двух предварительно обученных моделей Gemma 2. Для объединения применён метод SLERP с параметром t=0.5; веса представлены в формате bfloat16 и safetensors. Модель предназначена для генерации текста и диалогового взаимодействия, включая выполнение инструкций. Это плотная причинная языковая модель Gemma 2 с 9 млрд параметров и контекстом 8192 токена, работающая через библиотеку Transformers. Языковая специализация в предоставленных данных не указана. Лицензия в предоставленных источниках не описана. Как и у других объединённых моделей, качество и поведение могут отличаться от исходных моделей; отдельные оценки качества в карточке не приведены.