II.6Документация и сопровождение разработки

T3qm7xpExperiment26-7B — автоматически объединённая модель, созданная Maxime Labonne методом SLERP на основе nlpguy/T3QM7XP и rwitz/experiment26-truthy-iter-2. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалоговых ответов. Максимальная длина контекста составляет 32 768 токенов. Модель поставляется в формате safetensors и использует тип данных bfloat16. Для запуска README приводит пример работы с Transformers и tokenizer. Репозиторий распространяется по лицензии Apache-2.0. Карточка описывает конфигурацию слияния, но не приводит результаты оценки качества или подробные сведения о языковом покрытии.

T3Q-Platypus-SOLAR — языковая модель, разработанная Chihoon Lee и компанией T3Q и дообученная на базе upstage/SOLAR-10.7B-v1.0. Она предназначена для генерации текста и может использоваться в приложениях, которым требуется создавать связные текстовые ответы на запросы на английском языке. Модель имеет плотную архитектуру семейства Llama с 10,6 млрд параметров и принимает текст на вход, выдавая текст. Максимальная длина контекста составляет 4096 токенов. Модель дообучена на наборе данных Open-platypus-Commercial и распространяется под лицензией Apache-2.0.

T3qT3qm7xp-7B — автоматическое объединение моделей, созданное Maxime Labonne методом DARE-TIES на основе моделей T3Q-Mistral-Orca-Math-DPO и T3QM7XP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров для генерации текста и диалоговых ответов; поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Её можно использовать для генерации продолжений, ведения диалога и ответов на текстовые запросы. В конфигурации объединения для T3QM7XP заданы плотность 0,53 и вес 0,6, используется int8-маска, а тип данных указан как bfloat16. Репозиторий предоставляет веса для Transformers. Языки и специализированные области применения в предоставленных данных не подтверждены, поэтому модель описывается как общего назначения. Лицензия — Apache-2.0.

T5 Version 1.1 Base — разработанная Google предварительно обученная текстовая encoder-decoder модель семейства T5 с примерно 123,8 млн параметров. Она реализует подход text-to-text: входные и выходные данные представлены текстом, а задачи формулируются как преобразование одного текста в другой. Модель предварительно обучена только на корпусе C4 и не проходила обучение на контролируемых downstream-задачах, поэтому перед применением её необходимо дообучить для выбранного сценария. В версии 1.1 используется активация GEGLU в feed-forward слоях вместо ReLU, отключён dropout при предварительном обучении и не разделяются веса слоя эмбеддингов и классификатора. Модель рассчитана на английский язык. Доступны реализации весов для PyTorch, TensorFlow и Flax. Лицензия — Apache 2.0.

Google T5 Version 1.1 XXL — плотная модель архитектуры T5 для преобразования текста в текст. Она содержит около 5,8 млрд параметров и предварительно обучена на корпусе C4 без смешивания с задачами последующего обучения и без контролируемого обучения. Вариант 1.1 использует активацию GEGLU в полносвязных слоях, отключённый во время предобучения dropout и отдельные параметры для слоя эмбеддингов и классификатора. Модель служит базой для дообучения под задачи обработки естественного языка, например суммаризацию, ответы на вопросы и классификацию текста. Она принимает текст и генерирует текст; в карточке указан английский язык. Доступны веса PyTorch и TensorFlow. Лицензия — Apache 2.0. Для решения конкретной задачи модель необходимо дообучить; самостоятельное предобученное состояние не предназначено для прямого использования как готовая прикладная модель.

TARS-8B-llama-REMIX-v2 — объединённая автором picAIso модель для генерации текста и диалогового общения. Она создана методом DARE TIES с помощью mergekit на основе picAIso/MIX1 с включением NousResearch/Hermes-2-Pro-Llama-3-8B; архитектура — плотная LlamaForCausalLM семейства Llama, размер — 7,5 млрд параметров. Модель принимает текст и генерирует текст, поддерживает диалоговый сценарий и имеет контекстное окно 8192 токена. В карточке указаны формат safetensors и библиотека Transformers. Лицензия — Llama 3. Метаданные описывают базовую модель как ориентированную на ответы по инструкциям, вызов функций и генерацию структурированных данных JSON, однако README не подтверждает отдельно качество этих возможностей у данного объединения.

tau-0.5B — языковая модель M4-ai, созданная дополнительным предварительным обучением Qwen1.5-0.5B на наборе учебников UltraTextbooks-2.0. Это плотная авторегрессионная модель семейства Qwen2 с 463,9 млн параметров, принимающая текст и генерирующая текст; заявленное окно контекста — 32 768 токенов. В метаданных указана поддержка английского и китайского языков. Модель предназначена для генерации текста общего назначения с усиленным охватом машинного обучения, математики и программирования. Её можно применять для ответов на учебные вопросы, суммаризации, создания учебных материалов, понимания и генерации кода, а также решения математических задач. Карточка приводит результаты тестов, но предупреждает о возможных неточностях и смещениях в данных. Указана лицензия other; README рекомендует изучить лицензию Qwen перед использованием.

Jebadiah создал Tess-gradient-ruby-p2 — объединённую диалоговую языковую модель семейства Llama с плотной архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она объединяет Jebadiah/Tess-gradient-ruby-p1 и NousResearch/Hermes-2-Theta-Llama-3-8B методом DARE linear; файлы представлены в формате safetensors, веса указаны как bfloat16. Модель предназначена для генерации текста и диалоговых сценариев: она принимает текстовые запросы и выдаёт текстовые ответы. Контекст составляет до 8192 токенов. В метаданных указана возможность чата; отдельные сведения о поддерживаемых языках и лицензии не приведены, поэтому их нельзя уточнить по доступным данным.

Jebadiah/Tess-Qwen-ruby-p3 — слитая авторами модель на архитектуре Llama для генерации текста в формате диалога. Она создана методом DARE linear с помощью mergekit на основе Jebadiah/Tess-gradient-ruby-p2 с добавлением ajibawa-2023/Code-Llama-3-8B; размер составляет 7,5 млрд параметров, нативный контекст — 8192 токена. Каталог связывает базовые модели со сценариями генерации программ, объяснения кода и решения математических задач. Модель предназначена для диалоговых текстовых запросов и генерации ответов, в том числе по задачам программирования и математике. Использует библиотеку Transformers и распространяется в формате safetensors. В карточке указана лицензия не была, поэтому условия использования по доступным сведениям определить нельзя. Модель поддерживает только текстовый ввод и текстовый вывод.

Tess-XS-v1-3-yarn-128K-Mistral-7B-Instruct-v0.1 — чат-модель на архитектуре Mistral с 7,1 млрд параметров, созданная MaziyarPanahi слиянием mistralai/Mistral-7B-Instruct-v0.1 и migtissera/Tess-XS-v1-3-yarn-128K. В README указано слияние методом SLERP; модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Модель принимает текст и выдаёт текст. В метаданных указан контекст длиной 32 768 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Документация не приводит конкретных ограничений или результатов оценки качества.

djuna-test-lab/TEST-OcerusBeam-7B — объединённая модель генерации текста на архитектуре Mistral, созданная методом SLERP с помощью mergekit. В объединение вошли aws-prototyping/MegaBeam-Mistral-7B-512k и djuna-test-lab/TEST-Ocerus-7B. Модель содержит 7,1 млрд параметров, работает с библиотекой Transformers и распространяется в формате safetensors. Модель предназначена для генерации текста и диалогов; в метаданных также отмечена возможность чата. Длина контекста составляет до 524 288 токенов. Сведения о поддерживаемых естественных языках и условиях лицензии в предоставленных источниках отсутствуют.

TheTop-5x7B-Instruct-S5-v0.1 — текстовая генеративная модель MaziyarPanahi, созданная путём слияния нескольких предварительно обученных моделей размером 7B и применения SLERP к другим моделям 7B. В README упоминается использование mergekit; архитектура — плотная MistralForCausalLM, формат весов — safetensors. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и инструктивных сценариев, например диалога, ответов и рассуждений. В README приведены результаты оценивания на бенчмарках, включая AI2 Reasoning Challenge и HellaSwag. Поддерживаемый язык в доступных данных не установлен. Модель распространяется по лицензии Apache-2.0; сведения о конкретных ограничениях применения в карточке не приведены.

T-lite-it-2.1-GGUF — русскоязычная текстовая генеративная модель, разработанная t-tech. Это конвертация модели T-lite-it-2.1 из BF16 в формат GGUF с использованием llama.cpp, предназначенная для локального запуска через llama.cpp и Ollama. Модель построена на архитектуре Qwen 3 и ориентирована на универсальные задачи генерации текста, следование инструкциям, сложные рабочие процессы и агентские приложения. В отличие от T-lite-it-1.0, она поддерживает tool calling и, согласно описанию, превосходит Qwen3-8B в сценариях вызова инструментов. Оптимизированный токенизатор повышает пропускную способность генерации русского текста. Поддерживается русский язык. Модель работает только в режиме без рассуждений и не генерирует блоки <think></think>. Доступны квантизации Q8_0, Q6_K, Q5_K_M, Q5_K_S, Q5_0 и Q4_K_M размером примерно от 5,0 до 8,7 ГБ без учёта выгрузки на GPU. Качество и требования к памяти зависят от выбранной квантизации; рекомендуется использовать наиболее качественный вариант, помещающийся в доступной RAM или VRAM. В README не указаны точный размер базовой модели, число параметров, полный набор поддерживаемых языков и официальное максимальное контекстное окно. Модель распространяется по лицензии Apache-2.0. Разработчики предупреждают, что ответственность за дополнительное обучение, контроль качества, безопасность и применение модели в промышленных или коммерческих системах несёт пользователь.

TopEvolutionWiz — языковая модель для генерации текста, созданная сообществом mergekit-community путём слияния моделей методом SLERP. В слияние вошли mergekit-community/TopEvolution и lucyknada/microsoft_WizardLM-2-7B; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров. Модель доступна в формате Safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации ответов и диалогового взаимодействия. Конфигурация слияния задаёт V-образное распределение весов: вклад Hermes используется на входе и выходе, а WizardMath — в средних слоях. Лицензия в предоставленных данных не указана.

TriMistral-7B-MODELSTOCK — объединённая чат-модель на архитектуре Mistral, созданная с помощью LazyMergekit из HuggingFaceH4/zephyr-7b-beta, NousResearch/Hermes-2-Pro-Mistral-7B и instructlab/merlinite-7b-lab. В README указан метод объединения model_stock, а базовой моделью конфигурации названа Zephyr-7B-β. Модель содержит 7,1 млрд параметров, использует формат Safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге, ответов на вопросы и выполнения пользовательских инструкций. README приводит результаты оценки на наборах AI2 Reasoning Challenge и HellaSwag. Метаданные и карточка не подтверждают поддержку конкретных языков, поэтому языки не перечислены. Модель распространяется по лицензии Apache-2.0.

Triunvirato-7b — языковая модель на архитектуре Mistral, созданная Kukedlc путём слияния трёх моделей с помощью LazyMergekit: mistralai/Mistral-7B-v0.1, Kukedlc/neuronal-7b-Mlab и mlabonne/Monarch-7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Модель содержит 7,1 млрд параметров, имеет контекстное окно до 32 768 токенов и распространяется в формате Safetensors. Модель подходит для свободной генерации текста и разработки приложений на базе языковой модели. README не сообщает результаты оценки качества или перечень поддерживаемых языков, поэтому их нельзя надёжно уточнить. Лицензия — Apache-2.0.

yunjae-won/Tulu-3.1-3B-SFT — языковая модель для генерации текста и диалогового взаимодействия, опубликованная пользователем yunjae-won на Hugging Face. Модель доступна через библиотеку Transformers и содержит около 3,2 млрд параметров; в метаданных она обозначена тегами llama и conversational. Модель предназначена для генерации продолжений текста, ответов в диалоге и других сценариев, где требуется авторегрессионное создание текста. Она поддерживает контекст длиной до 131 072 токенов, что позволяет работать с длинными запросами и документами. README автоматически сгенерирован и не содержит сведений о разработчиках, обучающих данных, результатах оценки, языках или лицензии. Поэтому качество в конкретных задачах, фактический набор поддерживаемых языков и условия использования по доступным данным определить нельзя.

Tulu V2.5 DPO 13B – Nectar 60k — англоязычная чат-модель-помощник от Allen Institute for AI (AI2), основанная на Tulu 2 и дообученная методом DPO на случайной выборке из 60 тысяч примеров Nectar. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров и контекстом 4096 токенов; репозиторий содержит веса PyTorch и шаблон чата в токенизаторе. Модель предназначена для диалогов с помощником и генерации ответов на инструкции на английском языке. Она обучалась на смеси открытых, синтетических и созданных людьми данных, включая наборы Tulu, а затем выравнивалась по предпочтениям на Nectar. Лицензия — Apache 2.0. В фазе RLHF модель не обучали выдавать безопасные ответы, а встроенной фильтрации нет; при соответствующих запросах возможны проблемные ответы. Качество генерации зависит от правильного формата входа, включая завершающий перевод строки.

Sakalti/ultiima-14B-v0.2 — объединённая языковая модель Sakalti, созданная методом TIES с помощью mergekit на основе sometimesanotion/Lamarck-14B-v0.7 и sometimesanotion/Lamarck-14B-v0.6. Это плотная модель Qwen2 с 14 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия; метаданные также указывают интерфейс вызова инструментов. Нативная длина контекста составляет 131 072 токена. Модель подходит для диалогов и других задач генерации текста. Описание базовой модели в каталоге также относит семейство Lamarck к многошаговым рассуждениям, написанию прозы и переводу, но для этой модели подтверждённая задача — text-generation. Языки, на которые модель рассчитана, в предоставленных источниках не обозначены. Файлы модели представлены в формате Safetensors; README указывает тип данных float16. Условия лицензии в предоставленных данных не приведены.

Sakalti/ultiima-14B-v0.3 — объединённая языковая модель на архитектуре Qwen2 с 14 млрд параметров, созданная с помощью mergekit методом TIES на основе sometimesanotion/Qwenvergence-14B-v9 с включением sometimesanotion/Qwen2.5-14B-Vimarckoso-v3. Модель предназначена для генерации текста в диалоговом формате, ответов на запросы и следования инструкциям; метаданные также указывают интерфейс вызова инструментов. Контекстное окно составляет до 131072 токенов. Веса опубликованы в формате safetensors, с точностью float16, для использования через Transformers. Модель подходит для чат-ботов, генерации ответов и приложений, которым нужен длинный контекст. README описывает способ объединения моделей, но не приводит результаты оценки качества, рекомендуемые параметры генерации или подробное описание поведения. Лицензия в предоставленных данных не указана.

UltronTactIQ-Mistral-2-7b — диалоговая языковая модель с архитектурой MistralForCausalLM и 7,1 млрд параметров, созданная CapiJack дообучением NousResearch/Nous-Hermes-2-Mistral-7B-DPO. Модель предназначена для генерации текста и общения по инструкциям; в метаданных отмечена поддержка чата. README сообщает о дообучении на наборе данных, название которого не приведено, и указывает значение loss 0,5036 на оценочном наборе. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В карточке нет сведений о целевых языках и специализированных областях применения. Распространяется по лицензии Apache-2.0.

Cybertron 7B v2 — плотная авторегрессионная языковая модель семейства Mistral, разработанная juanako.ai и представленная автором Xavier M. Модель насчитывает 7,1 млрд параметров и создана на основе Mistral с применением SFT, DPO и метода UNA (Uniform Neural Alignment); в карточке указаны обучающие наборы fblgit/tree-of-knowledge, Open-Orca/SlimOrca-Dedup и ultrafeedback_binarized_cleaned. Модель предназначена для диалогов и генерации текста по инструкциям. Она подходит для ответов на вопросы, рассуждений, задач на логику и математику, а также для создания прозы, стихов и шуток. Заявленная длина контекста — 32 768 токенов; автор рекомендует форматы ChatML или Alpaca System. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. Карточка сообщает о высоких результатах на Open LLM Leaderboard, однако приведённые там оценки относятся к снимку конца 2023 года и не являются гарантией качества на других задачах. Модель генерирует текст и может ошибаться или выдавать недостоверные ответы; сведения о поддержке языков явно не перечислены.

UNA-ThePitbull-21.4B-v2 — разговорная языковая модель от fblgit, основанная на saltlux/luxia-21.4b-alignment-v1.0. Это плотная авторегрессионная модель семейства Llama с 20,9 млрд параметров и контекстом до 32 768 токенов, предназначенная для генерации текста и диалогов. Версия 2 получила дополнительное обучение SFT на Replete-AI/code_bagel_hermes-2.5 и DPO на mlabonne/orpo-dpo-mix-40k и jondurbin/py-dpo-v0.1; автор также описывает применение стратегии UNA к части MLP- и attention-слоёв. Модель подходит для разговорных помощников, ответов на вопросы и генерации связного текста. В карточке приведены результаты нескольких бенчмарков, однако заявленные автором оценки не гарантируют аналогичного качества в конкретных сценариях. Доступны веса в формате Safetensors, библиотека Transformers; лицензия — AFL-3.0. README указывает отдельную GGUF-квантизацию в репозитории bartowski/UNA-ThePitbull-21.4B-v2-GGUF.

jackboot/uwu-qwen-32b — объединённая языковая модель на 32 млрд параметров, созданная с помощью mergekit методом TIES на основе Qwen/QwQ-32B-Preview и EVA-UNIT-01/EVA-Qwen2.5-32B-v0.2. Она предназначена для диалоговой генерации текста; каталог также указывает интерфейс вызова инструментов. Модель использует архитектуру Qwen2ForCausalLM и поддерживает контекст до 32 768 токенов. В README отмечено, что варианты EOS-токена у исходных моделей немного различаются, а настройки BOS могут менять результаты; автор советует подбирать подходящий токенизатор. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

coderavi/VibeThinker-3B-mlx-fp16 — преобразованная в формат MLX версия модели WeiboAI/VibeThinker-3B, подготовленная автором репозитория coderavi с помощью mlx-lm 0.31.2. Это плотная причинная языковая модель семейства Qwen2 на 3,1 млрд параметров для генерации текста в диалоговом режиме, следования инструкциям, программирования и STEM-рассуждений. Она принимает текст и генерирует текст; заявленная длина контекста составляет 131 072 токена. Метаданные указывают английский язык и лицензию MIT. Карточка подтверждает преобразование формата, но не приводит отдельные результаты оценки качества этой копии.

winglian/vicuna-13b-1_1-hf — версия Vicuna 13B 1.1 в формате Hugging Face, подготовленная автором репозитория. Vicuna разработана командой исследователей из UC Berkeley, CMU, Stanford и UC San Diego на основе LLaMA: модель получена дообучением на пользовательских диалогах ShareGPT, а веса этой версии собраны слиянием дельт Vicuna с исходной LLaMA 13B. Это авторегрессионная плотная трансформерная модель семейства Llama с 12,9 млрд параметров и контекстом до 2048 токенов. Модель предназначена для генерации текста и диалогового общения: её можно использовать для ответов на вопросы, ведения бесед и исследований чат-ботов и больших языковых моделей. В версии 1.1 исправлен расчёт потерь при дообучении и изменён разделитель диалога на EOS-токен, что упрощает остановку генерации и совместимость с библиотеками. Обучение проводилось на 70 тысячах разговоров ShareGPT; качество предварительно оценивали на наборе из 80 вопросов с помощью GPT-4. README указывает лицензию Apache 2.0, тогда как метаданные Hugging Face обозначают лицензию как other, поэтому условия лицензирования стоит сверить с файлами репозитория. Модель обучена на пользовательских диалогах и может выдавать ошибочные или неподходящие ответы; оценка качества в карточке предварительная.

WestSeverusJaskier-OpenOrca — языковая модель, опубликованная VishnuKV. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Модель дообучена на датасете Open-Orca и рассчитана на контекст до 32 768 токенов. Модель подходит для генерации ответов и другого текста по текстовому запросу. В метаданных указаны формат safetensors и лицензия MIT. README ссылается на базовую модель WestSeverusJaskier; отдельный публичный идентификатор базовой модели в доступных сведениях не указан.

Wiederchat-7b-dpo-laser — чат-модель для генерации текста, созданная mayflowergmbh. Это объединение трёх моделей на архитектуре Mistral: mlabonne/OmniTruthyBeagle-7B-v0, mayflowergmbh/Wiedervereinigung-7b-dpo-laser и cognitivecomputations/openchat-3.5-0106-laser. Веса представлены в формате safetensors; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации ответов. В README приведены результаты оценки Mt-Bench-De, включая категории письма, ролевого общения, рассуждений, математики, программирования, извлечения информации, STEM и гуманитарных дисциплин. Базовая модель описана как немецкоязычная, поэтому немецкий — основной язык модели; результаты теста сами по себе не гарантируют качество в конкретных сценариях. Условия лицензирования в предоставленных данных не описаны.

WINTER-FROST-2-PRO — дообученная brucoder языковая модель семейства Qwen2.5 с архитектурой Qwen2ForCausalLM и 7,1 млрд параметров. Базовая модель — unsloth/Qwen2.5-7B-Instruct-bnb-4bit; для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста и диалогового взаимодействия; также заявлен интерфейс вызова инструментов. Контекстное окно составляет 32 768 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, а лицензия — Apache-2.0.

Monero/WizardLM-30B-Uncensored-Guanaco-SuperCOT-30b — языковая модель для генерации текста на основе архитектуры LLaMA, объединяющая WizardLM 30B, Guanaco и SuperCOT. В метаданных указаны 32,3 млрд параметров, контекст до 2048 токенов и форматы PyTorch и safetensors; README описывает обучение на инструкциях, данных с цепочками рассуждений и примерах кода. Модель предназначена для диалогов по инструкциям, продолжения многоходового общения, объяснения кода и ролевых сценариев. В README заявлена поддержка английского, упрощённого и традиционного китайского, японского и немецкого языков. Модель может генерировать недостоверные фактические ответы, поэтому для задач, требующих точности, следует предоставлять проверяемые источники. Указана лицензия «other» без уточнения условий.