II.6Документация и сопровождение разработки

zelk12/MT5-Gen3-MAG-gemma-2-9B — объединённая языковая модель на архитектуре Gemma 2, созданная из двух предварительно обученных моделей с помощью SLERP и mergekit. Разработчик репозитория — zelk12; квантованные файлы указаны как предоставленные @mradermacher. Модель предназначена для генерации текста и диалогового взаимодействия. Она содержит 9 млрд параметров, использует библиотеку Transformers и поддерживает контекст длиной до 8192 токенов. В репозитории указаны веса safetensors; README также описывает статическую сборку GGUF. Модель объединяет zelk12/MT5-Gen3-MA-gemma-2-S4MT4g2-9B и zelk12/MT5-Gen3-GP-gemma-2-RIv0.1MT4g2-9B методом SLERP. Лицензия в предоставленных данных не указана. Практическое качество и ограничения в карточке не описаны.

zelk12 выпустил эту диалоговую языковую модель как слияние двух предварительно обученных моделей Gemma 2 с помощью метода SLERP в mergekit. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и предназначена для генерации текста и общения в чате. Контекст модели составляет 8192 токена; файлы доступны в формате safetensors. Модель подходит для диалоговых ассистентов, ответов на вопросы и генерации текста. README не описывает её языковое покрытие, поэтому нельзя определить приоритетный язык. Модель распространяется с лицензией базовой модели Gemma 2.

zelk12 создал объединённую модель Gemma 2 с помощью mergekit и метода SLERP, объединив zelk12/MT-Merge-gemma-2-9B и zelk12/MT-Merge5-gemma-2-9B. Это плотная авторегрессионная языковая модель с архитектурой Gemma2ForCausalLM и 9 млрд параметров, предназначенная для генерации текста и диалоговых ответов. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и распространяется в формате safetensors для библиотеки Transformers. Модель можно использовать в чат-ботах и приложениях, которым нужна генерация текста. README не описывает специализацию по языкам или предметным областям, поэтому её назначение следует считать общим. Лицензия в предоставленных данных не указана.

Multi Master 7Bx5 v6 — языковая модель, обученная ibivibiv для экспериментов с настройкой маршрутизации экспертов в моделях семейства Mixtral и решения задач из разных областей. Это версия с 7,1 млрд параметров на архитектуре MoE Mixtral, реализованная как MixtralForCausalLM и распространяемая в формате safetensors. Модель создана на основе openchat/openchat-3.5-0106: к ней применили LoRA дообучение, а затем объединили адаптер с основной моделью. Модель предназначена для генерации текста по инструкциям в шаблоне Alpaca и для многоцелевого использования на английском языке. В карточке приведены результаты бенчмарков, включая средний балл 75,66, ARC 72,78 и HellaSwag 88,77; полные результаты остальных тестов в доступном тексте не раскрыты. Контекстное окно составляет 32 768 токенов. Модель использует библиотеку Transformers и распространяется по лицензии Apache-2.0.

roky-dev/my-custom-llama-3.2-1b-merged — языковая модель, полученная разработчиком путём слияния моделей семейства Llama 3.2 с помощью mergekit и метода DARE TIES. В качестве базовой использована meta-llama/Llama-3.2-1B-Instruct; в слияние также вошли unsloth/Llama-3.2-1B-Instruct и meta-llama/Llama-3.2-1B. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 1,2 млрд параметров и распространяется в формате safetensors для библиотеки Transformers. Модель предназначена для генерации текста и диалогового использования. Её можно применять для ответов на вопросы, суммаризации и помощи в написании текста. Поддерживаемый контекст — до 131 072 токенов. Модель унаследовала многоязычную направленность базовой модели; конкретные языки карточка не перечисляет. Это компактная объединённая модель, поэтому качество ответов и следование инструкциям могут отличаться от исходных моделей и зависят от сценария. Лицензия в предоставленных данных не указана.

Nail-Qwen3.6-35B-A3B-GGUF-MTP — это GGUF-квантизация базовой модели Qwen/Qwen3.6-35B-A3B, опубликованная peculiar-ragdoll. Модель ориентирована на reasoning, многошаговые диалоги, агентную разработку программного обеспечения и генерацию кода. В сборку включены улучшенный chat template, встроенный системный промпт и тензоры multi-token prediction (MTP), предназначенные для ускорения генерации посредством speculative decoding. Модель построена на архитектуре Mixture-of-Experts: заявленный размер — 35B параметров при 3B активных параметров. Указаны языки English и Chinese, а нативное контекстное окно составляет 262 144 токена. Формат GGUF рассчитан прежде всего на локальный запуск, включая llama.cpp и совместимые среды. При поддержке MTP возможное ускорение зависит от runtime и конфигурации; для llama.cpp требуется свежая сборка с поддержкой draft-MTP, тогда как обычные релизы могут работать без ускорения. Заявлены высокая скорость ответа, эффективность использования памяти и пригодность для длительных агентных сессий, однако приведённые результаты получены на ограниченном наборе тестов и конкретной конфигурации Mac Studio M2 Ultra. Модель распространяется по лицензии Apache-2.0. Ограничения включают зависимость производительности от аппаратного обеспечения, версии runtime, квантизации и поддержки MTP. Заявления о превосходстве над другими моделями основаны на бенчмарках автора и не гарантируют аналогичных результатов во всех задачах.

Nail-Qwen3.6-35B-A3B-MLX — вариант модели Qwen3.6-35B-A3B, опубликованный пользователем peculiar-ragdoll. Это квантованная сборка для MLX на базе Unsloth Dynamic 4-bit quant, дополненная исправленным шаблоном чата, который добавляет инструкции для кратких и прямых ответов. Модель ориентирована на локальный запуск на компьютерах Mac с Apple Silicon. Модель предназначена для рассуждений, многошаговых диалогов, агентной разработки программного обеспечения и работы в coding-агентах. Она поддерживает текстовые и, согласно метаданным pipeline, мультимодальные сценарии image-text-to-text, однако подробности о фактически поддерживаемых визуальных входах в README не приведены. Заявлены английский и китайский языки, архитектура Mixture-of-Experts и контекст до 262 144 токенов. При использовании 8-битной точности KV-кэша заявлен запуск примерно в 24 ГБ оперативной памяти; также описана работа на системах с 32 ГБ unified memory. Сильные стороны модели — высокая скорость получения ответа, эффективность по расходу токенов и пригодность для автономных задач программной инженерии и длительных многоходовых взаимодействий. Ограничение заключается в том, что модель может тратить больше токенов на внутреннее рассуждение, чем некоторые альтернативы, из-за чего быстрее заполняет контекст; для очень длинных сессий это снижает выносливость. Приведённые в README результаты основаны на авторских тестах и не заменяют независимую оценку. Модель распространяется по лицензии Apache-2.0.

megabytes/Nanbeige4.1-3B-heretic — англо-китайская диалоговая языковая модель на базе Nanbeige/Nanbeige4.1-3B. Разработчик описывает исходную модель как компактную модель для рассуждений, программирования и агентных задач; эта версия создана с помощью Heretic v1.2.0 и abliteration для снижения частоты отказов. Она содержит 3,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 262 144 токенов. Модель предназначена для генерации диалоговых ответов, решения многошаговых задач, написания кода и сценариев с поиском и вызовом инструментов. README приводит для этой версии частоту отказов 8 из 100 и KL-дивергенцию 0,0003 относительно исходной модели; в карточке также отмечено, что существует улучшенная версия от Heretic Organization. Модель может выдавать предвзятый или иной нежелательный контент. Лицензия — Apache-2.0.

Nanbeige4-3B-Thinking-2511-GGUF — квантизированная GGUF-версия языковой модели Nanbeige4-3B-Thinking-2511, разработанной командой Nanbeige и созданной на базе Nanbeige4-3B-Base. Модель предназначена для генерации текста, диалогов, решения сложных задач с рассуждением, агентских сценариев и вызова функций. Указана поддержка английского и китайского языков; модель относится к текстовым causal language models и запускается с использованием llama.cpp или совместимых инструментов. Точный размер контекста и число параметров в README не указаны, однако из названия следует размер порядка 3 млрд параметров. Модель улучшена по сравнению с Nanbeige4-3B-Thinking-2510 с помощью дистилляции знаний и целевой оптимизации методом reinforcement learning. Заявлены сильные результаты в рассуждении, function calling, эмоциональном интеллекте и творческом письме, включая высокие позиции на Berkeley Function Calling Leaderboard, EQBench3 и WritingBench. В репозитории также описан метод повышения точности отдельных важных слоёв при квантизации, увеличивающий размер файлов, но улучшающий качество на заданном уровне битности. Ограничения включают риск неожиданных, вредных, предвзятых или дискриминационных ответов; модель не гарантирует полную безопасность и требует проверки результатов. Конкретный формат GGUF и степень квантизации следует выбирать с учётом доступных ресурсов и требований к качеству. Лицензия — Apache-2.0.

UsernameJustAnother/Nemo-12B-Marlin-v3 — языковая модель, дообученная UsernameJustAnother на базе unsloth/Mistral-Nemo-Instruct-2407. Она предназначена для диалоговой генерации текста и может использоваться в чат-ботах и приложениях, которым нужны ответы на текстовые запросы. Модель содержит 12,1 млрд параметров, использует архитектуру Mistral с плотной causal language model и принимает и выдаёт текст. В метаданных указан контекст длиной до 1 024 000 токенов и английский язык. README сообщает, что обучение проводилось с Unsloth и библиотекой Hugging Face TRL. Модель распространяется по лицензии Apache-2.0.

AlSamCur123/Nemo-InstructContinuedFine — дообученная разговорная модель AlSamCur123 на архитектуре Mistral, основанная на unsloth/mistral-nemo-instruct-2407-bnb-4bit. Для обучения использовались Unsloth и библиотека Hugging Face TRL; модель предназначена для генерации текста в диалоге и имеет интерфейс вызова инструментов. Модель содержит 12,1 млрд параметров, использует формат Safetensors и рассчитана на контекст до 1 024 000 токенов. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0.

Nemotron-Cascade-14B-Thinking — универсальная языковая модель NVIDIA на 14 млрд параметров, построенная на архитектуре Qwen3 и дообученная от Qwen3-14B Base. Модель проходит многоэтапное SFT и последовательное обучение с подкреплением по отдельным областям; она предназначена исключительно для режима рассуждений и поддерживает диалоговый шаблон Qwen3 ChatML. Модель подходит для рассуждений на общие темы, математики, программирования, разработки ПО, следования инструкциям и использования инструментов. В метаданных указан контекст 32 768 токенов; README рекомендует YaRN для поддержки более длинного контекста и приводит параметры генерации temperature 0,6 и top_p 0,95. По данным карточки, доступны веса Safetensors и библиотека Transformers. Карточка сообщает о высоких результатах на широком наборе бенчмарков, но эти заявления относятся к оценкам авторов. Модель текстовая и ориентирована на английский язык; README не описывает поддержку других языков. Лицензия обозначена как other, поэтому условия использования следует проверять в материалах репозитория.

Nemotron-Labs-TwoTower-30B-A3B-Base-BF16 — базовая языковая модель NVIDIA Corporation, построенная на базе NVIDIA-Nemotron-3-Nano-30B-A3B-Base-BF16. Это блоковая авторегрессионная диффузионная модель: замороженная контекстная башня обрабатывает запрос и уже сформированные токены, а обученная башня-денойзер итеративно восстанавливает блоки токенов параллельно. Обе башни используют гибридную архитектуру Mamba-2, attention и MoE; в модели около 30 млрд параметров в сумме и 3 млрд активируются на токен согласно названию модели. Модель предназначена для генерации текста, включая диалоговые и общие языковые сценарии. При размере блока 16 и настройках по умолчанию в README указаны 98,7% агрегированного качества авторегрессионной базовой модели и в 2,42 раза более высокая пропускная способность генерации в тесте на двух H100. Поддерживаются режимы диффузионной генерации блоками, имитации авторегрессии и обычной авторегрессионной генерации. Максимальный размер входа — 128 тыс. токенов; в README перечислены английский, испанский, французский, немецкий, японский, итальянский, португальский, китайский, арабский, датский, корейский, нидерландский, польский, русский, шведский и тайский языки. Для запуска используется Hugging Face Transformers с trust_remote_code=True. Полная двухбашенная диффузионная генерация рассчитана на две 80-ГБ GPU; для режима только с контекстной башней достаточно одной 80-ГБ GPU. README заявляет готовность к коммерческому использованию, но метаданные обозначают лицензию как other и не уточняют её условия, поэтому перед применением следует проверить лицензионные документы репозитория.

YeonwooSung выпустил Neos-Phi-3-14B-v0.1 — дообученную методом ORPO диалоговую языковую модель на базе microsoft/Phi-3-medium-4k-instruct. Модель с плотной архитектурой Phi-3 содержит 13,8 млрд параметров и предназначена для генерации текста в диалоговом формате; в карточке также приведены результаты оценок IFEval и BBH. Модель принимает текст и генерирует текст, поддерживает контекст до 4096 токенов. Для дообучения использован набор mlabonne/orpo-dpo-mix-40k. Репозиторий содержит веса Safetensors; лицензия — Apache 2.0.

NeuralArjuna-7B-DT — плотная языковая модель семейства Mistral на 7,1 млрд параметров, созданная Kukedlc путём слияния пяти моделей с помощью LazyMergekit. Она предназначена для генерации текста и может использоваться в задачах, где нужно получать продолжения или ответы на текстовые запросы. В карточке приведены результаты Open LLM Leaderboard: среднее значение 76,58, AI2 Reasoning Challenge — 73,12, HellaSwag — 88,97; описание не уточняет протокол оценки для остальных метрик. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Для модели указана лицензия Apache-2.0. Карточка не сообщает, на каких языках она специально обучена, поэтому языковые возможности и языковые ограничения нельзя уточнить.

Neural-Chat-v3-3 — языковая модель Intel с 7,1 млрд параметров на архитектуре Mistral, предназначенная для генерации текста и диалоговых ответов. Она создана дообучением Intel/neural-chat-7b-v3-1 на математическом наборе MetaMathQA и выравниванием методом DPO на парах предпочтений Intel/orca_dpo_pairs. Модель опубликована в декабре 2023 года и доступна в форматах PyTorch и Safetensors. Модель подходит для диалоговых сценариев и языковых задач, включая ответы на математические вопросы. Метаданные указывают контекст до 32 768 токенов, тогда как README приводит 8 192 токена, поэтому фактическое ограничение следует проверять для используемой конфигурации. Лицензия — Apache-2.0. Модель может выдавать фактически неверные ответы, а также предвзятый или оскорбительный контент. Для приложений с реальными пользователями необходимы проверки безопасности; качество ответов зависит от формулировки запроса.

NeuralContamination-7B-ties — объединённая модель на базе Mistral, созданная с помощью LazyMergekit из yam-peleg/Experiment26-7B, Kukedlc/NeuralSirKrishna-7b и automerger/YamShadow-7B. Она предназначена для генерации текста и может использоваться в приложениях, построенных на авторегрессионных языковых моделях. Модель содержит 7,1 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает специальные области применения или языковую специализацию.

NeuralDarewin-7B — объединённая модель на основе Mistral, опубликованная mlabonne. Она предназначена для генерации текста и может использоваться как языковая модель общего назначения. В карточке приведены результаты оценивания на бенчмарках рассуждений и понимания текста. Модель имеет плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Нативная длина контекста — 32 768 токенов. Модель создана слиянием шести моделей, включая Intel/neural-chat-7b-v3-3, openchat/openchat-3.5-0106 и mlabonne/NeuralHermes-2.5-Mistral-7B. Доступна в формате safetensors. Лицензия — Apache-2.0. Карточка не сообщает о специализированной предметной области или языковой специализации.

Kukedlc/NeuralKrishna-7B-V2-DPO — дообученная языковая модель семейства Mistral для генерации текста. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Карточка описывает тонкую настройку и приводит результаты оценивания на наборах Open LLM Leaderboard, включая AI2 Reasoning Challenge и HellaSwag. Модель можно применять для генерации ответов и текста на основе текстового запроса. Данных о поддерживаемых естественных языках и специализированных областях в карточке нет. Веса опубликованы в формате Safetensors. Лицензия — Apache-2.0. Результаты из карточки не заменяют оценку качества на задачах конкретного пользователя.

NeuralMarioMonarch-7B-slerp — языковая модель на архитектуре Mistral, созданная объединением mlabonne/Monarch-7B и vanillaOVO/supermario_v4 методом SLERP с помощью LazyMergekit. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и общих языковых задач; заявленная длина контекста составляет 32 768 токенов. Модель принимает текст и генерирует текст. В README приведены результаты оценки на нескольких тестах рассуждения и понимания текста. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

NeuralPipe-7B-slerp-v0.2 — объединённая методом SLERP языковая модель семейства Mistral, созданная путём слияния OpenPipe/mistral-ft-optimized-1227 и mlabonne/NeuralHermes-2.5-Mistral-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста; её можно использовать для продолжения запросов и создания текстовых ответов. В карточке указано нативное контекстное окно 32 768 токенов. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. README описывает конфигурацию слияния, но не приводит подробностей о языковом покрытии или специализированных предметных областях.

NeuralsirkrishnaShadow_Experiment24Experiment26 — объединённая языковая модель, опубликованная MaziyarPanahi. Она создана слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment24Experiment26-7B и предназначена для генерации текста. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors под лицензией Apache-2.0. README не описывает специальные области применения или языки, поэтому её можно охарактеризовать как модель общего назначения; качество и поведение могут зависеть от использованных при слиянии моделей.

NeuralsirkrishnaShadow_Experiment26Yamshadow — объединённая модель для генерации текста, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment26Yamshadow-7B. Модель использует архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Её можно применять для продолжения текста и генерации ответов по текстовым запросам. В репозитории представлены веса в формате safetensors. Модель выпущена под лицензией Apache-2.0; сведения о целевых языках и специализированных областях применения в предоставленных материалах отсутствуют.

NeuralsirkrishnaShadow_MeliodasT3q — объединённая модель, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/MeliodasT3q-7B. Это плотная Mistral-архитектура с 7,1 млрд параметров для генерации текста; она также подходит для диалогов и поддерживает контекст до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Данные карточки не уточняют поддерживаемые естественные языки или специализированные предметные области.

NeuralsirkrishnaShadow_ShadowCalme — объединённая языковая модель на архитектуре Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/ShadowCalme-7B. Она предназначена для генерации текста и может использоваться в сценариях, где требуется продолжать или создавать текст по текстовому запросу. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Доступна в формате Safetensors. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает специализированные области применения или дополнительные возможности.

NeuralsirkrishnaShadow_ShadowYamshadow — объединённая языковая модель, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/ShadowYamshadow-7B. Модель разработана в формате Mistral и содержит 7,1 млрд параметров; она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель принимает текстовые запросы и генерирует текст, поэтому подходит для диалога и других задач, сводящихся к продолжению текста. Репозиторий распространяет веса в формате safetensors по лицензии Apache-2.0. В карточке не приведены сведения о языковой специализации или результатах оценки качества.

NeuralsirkrishnaShadow_Strangemerges_32Shadow — объединённая модель семейства Mistral от MaziyarPanahi, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Shadow-7B. Это плотная авторегрессионная языковая модель на 7,1 млрд параметров для генерации текста; контекст поддерживает до 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы в приложениях, которым нужна языковая модель общего назначения. Она распространяется в формате safetensors по лицензии Apache-2.0. Доступные сведения не описывают специальную настройку под отдельные языки или предметные области, а также не приводят оценок качества.

NeuralsirkrishnaShadow_Strangemerges_32Yam — слитая модель семейства Mistral для генерации текста. Она создана объединением моделей automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Yam-7B; тип архитектуры — плотная авторегрессионная модель MistralForCausalLM с 7,1 млрд параметров. Модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Модель предназначена для генерации продолжений и ответов на текстовые запросы. Карточка не описывает специализированные сценарии, обучающие данные или языковое покрытие, поэтому её практическое качество для конкретных задач и языков следует проверять отдельно. Файлы весов представлены в формате safetensors; лицензия — Apache-2.0.

NeuralsirkrishnaShadow_T3qM7 — объединённая модель для генерации текста, созданная путём слияния automerger/NeuralsirkrishnaShadow-7B и automerger/T3qM7-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; заявленная длина контекста — до 32 768 токенов. Модель подходит для генерации текста и диалога. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает специальные предметные области или языки модели.

NeuralsirkrishnaShadow_YamYam — объединённая методом SLERP языковая модель, опубликованная MaziyarPanahi. Она основана на двух моделях: automerger/NeuralsirkrishnaShadow-7B и automerger/YamYam-7B. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и может применяться для продолжения заданного текста и создания ответов на текстовые запросы. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.