II.6Документация и сопровождение разработки

Albatross-8B-Instruct — диалоговая языковая модель на архитектуре Llama, созданная автором репозитория слиянием нескольких моделей через TIES в mergekit. В слияние вошли NousResearch/Hermes-3-Llama-3.1-8B, unsloth/Meta-Llama-3.1-8B-Instruct и qingy2024/NaturalLM3-8B-Instruct-v0.1; в качестве базовой модели указана unsloth/Meta-Llama-3.1-8B. Модель содержит 7,5 млрд параметров, использует формат safetensors и библиотеку Transformers, а заявленная длина контекста составляет 131 072 токена. Модель предназначена для генерации текста в диалоге и выполнения инструкций; метаданные также указывают интерфейс вызова инструментов. Карточка не приводит результатов оценки качества или подробного описания языкового охвата, поэтому её сильные стороны в конкретных задачах и практическую надёжность нельзя оценить по имеющимся данным. Лицензия в предоставленных данных не указана.

AlloyIngot — языковая модель, созданная автором nlpguy слиянием двух моделей на базе Mistral с помощью метода SLERP и инструментария mergekit. В слияние вошли eren23/dpo-binarized-NeutrixOmnibe-7B и Gille/StrangeMerges_21-7B-slerp. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации и продолжения текста. Карточка приводит результаты оценки на наборах AI2 Reasoning Challenge и HellaSwag. Доступны веса в формате safetensors для библиотеки Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

AlloyingotneoyExperiment24-7B — автоматически объединённая Maxime Labonne методом SLERP плотная языковая модель семейства Mistral с 7,1 млрд параметров. В слиянии участвуют nlpguy/AlloyIngotNeoY и yam-peleg/Experiment24-7B; конфигурация задаёт разное смешивание слоёв self-attention и MLP, а результат сохранён в формате safetensors с точностью bfloat16. Модель предназначена для генерации текста и может применяться в сценариях, поддерживаемых исходными моделями. Контекстное окно — до 32 768 токенов. В карточке нет сведений о целевых языках или специализированной области применения, поэтому её следует рассматривать как модель общего назначения. Лицензия — Apache-2.0.

AlloyingotneoyYam-7B — объединённая методом SLERP модель языковых моделей, созданная с помощью mergekit. В объединение вошли nlpguy/AlloyIngotNeoY и mayacinka/yam-jom-7B; в конфигурации для объединения указан тип данных bfloat16. Модель предназначена для генерации текста и построена на плотной архитектуре Mistral с 7,1 млрд параметров. Она принимает текст и поддерживает контекст до 32 768 токенов. Карточка не приводит специальных сценариев применения или сведений о поддерживаемых естественных языках. Лицензия в предоставленных данных не указана.

EpistemeAI/Alpaca-Llama3.1-8B.gguf — текстовая авторегрессионная модель семейства Llama 3.1, разработанная на основе Meta Llama 3.1 8B и дообученная в формате Alpaca с применением ORPO. Это плотный трансформер LlamaForCausalLM с 7,5 млрд параметров и контекстом до 131 072 токенов; репозиторий содержит GGUF F16, PyTorch и Safetensors версии. Модель принимает текст и генерирует текст. Модель предназначена для диалогового помощника и генерации текста: она может отвечать на вопросы, следовать инструкциям и помогать с черновиками и синтетическими данными. В README перечислена поддержка английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков; отдельная настройка на русский не заявлена. Качество и безопасность ответов могут быть неоднородными, особенно на неподдерживаемых языках, а знания модели ограничены данными обучения. Для использования действует лицензия Llama 3.1 Community License с условиями и ограничениями Acceptable Use Policy.

TheBloke/alpaca-lora-65B-HF — версия модели alpaca-lora-65B в формате Hugging Face Transformers, опубликованная TheBloke. Это плотная авторегрессионная модель семейства LLaMA с 65 млрд параметров, предназначенная для генерации текста и диалоговых ответов по инструкциям. В README указано, что это объединённая модель без квантования; исходная карточка changsung не предоставлена, а происхождение и вариант обучающих данных автор README точно установить не смог. Предположительно, модель дообучена на данных Alpaca. Модель принимает текст и генерирует текст. Указанная длина контекста — 2048 токенов. Репозиторий содержит веса PyTorch и распространяется с лицензией, обозначенной как «other»; конкретные условия использования по имеющимся сведениям определить нельзя. Возможности и качество следует оценивать с учётом отсутствия исходной карточки модели и неопределённости в данных обучения.

CultriX/AlphaCeption-7B-v1 — слитая модель для генерации текста, созданная с помощью mergekit методом SLERP из CultriX/MergeCeption-7B-v3 и abideen/AlphaMonarch-daser. Она рассчитана на диалоговое взаимодействие и общие языковые задачи. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст; в метаданных указана возможность чата. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. Модель распространяется по лицензии Apache-2.0. В карточке не описаны конкретные языки обучения или специальные прикладные области, поэтому её языковые и предметные преимущества нельзя уточнить.

Alphallama3-8B — дообученная компанией Alphacode-AI модель на основе Meta-Llama-3-8B. Она предназначена для генерации текста в диалоговом формате и может применяться в чат-сценариях. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров; заявленная длина контекста — 8192 токена. В карточке указано, что для дообучения использовались внутренние пользовательские данные, но их состав и специализация не раскрыты. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Llama 3.

Arcana Qwen3 2.4B A0.6B — текстовая модель Mixture of Experts, созданная suayptalha. В ней заявлено 2,4 млрд параметров суммарно и четыре эксперта по 0,6 млрд параметров. Модель предназначена для диалогов и генерации ответов с навыками программирования, математических рассуждений, медицинских вопросов и следования инструкциям; каталог также отмечает интерфейс вызова инструментов. Эксперты для кода, математики и медицинских вопросов дообучены на соответствующих наборах данных, а эксперт следования инструкциям использует Qwen/Qwen3-0.6B без дополнительного дообучения. В метаданных указана поддержка английского языка и библиотека Transformers. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Заявленная цель — повысить точность и эффективность при меньшем потреблении памяти, однако сравнительные результаты в карточке не приведены.

Jebadiah/Aria-7b-128k-v4 — языковая модель, созданная автором Jebadiah слиянием предварительно обученных моделей через mergekit методом SLERP. В слияние вошли Jebadiah/Aria-7b-128k-v3 и Nitral-AI/Echidna-7b-128k; конфигурация указывает Nitral-AI/Echidna-7b-128k как базовую модель. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Модель принимает текст и генерирует текст. Для неё указано контекстное окно 32 768 токенов, библиотека Transformers и формат весов safetensors. Карточка не описывает отдельные специализации, языки или результаты оценки качества, поэтому область применения можно характеризовать только как генерацию текста общего назначения. Лицензия в предоставленных данных не указана.

Jebadiah/Aria-CodeQwen-stone — объединённая языковая модель, созданная с помощью mergekit методом DARE TIES на основе Jebadiah/Aria-7b-128k-v4 с включением Qwen/CodeQwen1.5-7B-Chat. Модель с архитектурой Mistral и примерно 7,1 млрд параметров предназначена для генерации текста, включая диалоговые и связанные с программированием сценарии. В README указаны параметры слияния и формат bfloat16; метаданные сообщают о контексте длиной 32 768 токенов и использовании Transformers. Модель может применяться для генерации и объяснения кода, исправления программ и преобразования запросов в SQL — эти возможности следуют из описания базовой CodeQwen. Карточка не содержит оценок качества самого слияния или детальных результатов тестирования, поэтому пригодность для конкретного проекта следует проверять отдельно. Репозиторий не указывает лицензию.

Athene CodeGemma 2 7B v1.2 — дообученная EpistemeAI языковая модель для программирования, основанная на Athene-codegemma-2-7b-it-alpaca-v1.1 и архитектуре Gemma. Это плотная декодерная модель класса GemmaForCausalLM с 8,2 млрд параметров и контекстом 8192 токена; она принимает текстовые запросы и генерирует текст и код. Модель настроена следовать инструкциям и поддерживает диалоговый формат. Модель предназначена для генерации кода по описанию на естественном языке, ответов на вопросы о фрагментах кода и обсуждения задач программирования. При дообучении использовались датасеты с кодом на Python и Java. Карточка приводит пример генерации программы «Змейка» и указывает, что версия v1.1 создала её без ошибок по сравнению с исходной CodeGemma 7B IT; это не является гарантией качества версии v1.2. Поддержка указана для английского языка. Файлы доступны в форматах PyTorch и safetensors. Лицензия в метаданных — Apache-2.0; README также указывает, что на Gemma распространяются условия использования Google Gemma.

gradients-io-tournaments/augmented-8bc5002e812b62b4 — генеративная языковая модель, опубликованная на Hugging Face и предназначенная для создания текста. Модель доступна через библиотеку Transformers и использует формат Safetensors; в метаданных присутствуют теги Llama и conversational. Модель содержит около 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Её можно применять для диалоговых сценариев, генерации продолжений текста, подготовки черновиков и интеграции в приложения на базе Transformers. README не содержит сведений о разработчике, языках, лицензии, обучающих данных, результатах оценки, рисках и конкретных ограничениях модели. Поэтому её качество, безопасность, языковое покрытие и пригодность для специализированных задач необходимо проверять самостоятельно.

Badger/δ Llama 3 Instruct 32k — чат-модель семейства Llama 3, созданная автором maldv путём рекурсивной интерполяции и объединения нескольких моделей. В репозитории указано, что для неё настроен масштаб RoPE 4; автор сообщает, что ответы сохраняют связность при контексте 16–32 тыс. токенов. Метаданные указывают 7,5 млрд параметров, архитектуру LlamaForCausalLM, формат safetensors и нативный контекст 8192 токена. Модель предназначена для диалоговой генерации текста и инструктивных запросов. В README приведены результаты оценки на Open LLM Leaderboard, включая средний балл 69,49, но этих результатов недостаточно, чтобы судить о качестве во всех задачах. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование; перед применением следует соблюдать её условия.

baichuan-vicuna-7b — диалоговая модель, созданная командой fireballoon путём полного дообучения базовой Baichuan-7B на данных ShareGPT в формате Vicuna. Модель основана на плотной архитектуре LLaMA и содержит 6,7 млрд параметров; для обучения использовался FastChat. Нативная длина контекста — 4096 токенов. Модель предназначена для диалогов и генерации ответов на китайском и английском языках. В обучающую смесь также включены данные Chain-of-Thought и решения задач LeetCode на Python, чтобы улучшить рассуждения и программирование. Репозиторий содержит веса PyTorch и поддерживает загрузку через Transformers. Карточка указывает, что базовая Baichuan-7B допускает коммерческое использование, но отдельные условия лицензии этой производной модели здесь не приведены. Качество ответов, рассуждений и кода не гарантируется; длина контекста ограничена 4096 токенами.

jaspionjader/bbb-2 — слитая языковая модель, созданная разработчиком с помощью mergekit методом Model Stock. В объединении использованы jaspionjader/bbb-1 и jaspionjader/kstc-4-8b на основе jaspionjader/kstc-5-8b. Модель построена на архитектуре Llama и содержит 7,5 млрд параметров. Она предназначена для генерации текста и диалогов; принимает текст и выдаёт текст. Максимальная длина контекста — 131 072 токена. Модель доступна в формате safetensors для библиотеки Transformers. Карточка не приводит сведения о лицензии, языковой специализации или оценках качества. Условия использования следует сверить с лицензиями базовых моделей и репозитория перед применением.

Beagle14-7B — языковая модель, созданная mlabonne слиянием моделей fblgit/UNA-TheBeagle-7b-v1 и argilla/distilabeled-Marcoro14-7B-slerp методом SLERP с помощью LazyMergekit. Она предназначена для генерации текста и ответов на запросы в сценариях общего назначения. Модель построена на плотной архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В README приведены результаты оценок на наборах Nous Suite и Open LLM Leaderboard; они дают ориентир для сравнения, но не гарантируют качество в конкретных задачах. Модель опубликована в формате Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Bellatrix-Tiny-0.5B — компактная авторегрессионная языковая модель на архитектуре Qwen2, разработанная prithivMLmods и дообученная на базе Qwen/Qwen2.5-0.5B-Instruct. Модель содержит 494 млн параметров, рассчитана на контекст до 32 768 токенов и принимает и выдаёт текст. В README заявлены многоязычный диалог, следование инструкциям, рассуждения, агентный поиск информации и суммаризация; доступны интерфейс чата и интерфейс вызова инструментов. Модель подходит для диалоговых приложений, обобщения текстов и ответов по найденной информации. Карточка описывает настройку с помощью supervised fine-tuning и RLHF, однако не приводит отдельных результатов оценки качества. Репозиторий содержит веса Safetensors и формат ONNX. Лицензия — Apache-2.0. Качество может снижаться на узкоспециализированных задачах, а ответы могут содержать ошибки и смещения из-за обучающих данных. Поддержка менее распространённых языков и диалектов может быть слабее; модели также может быть трудно разбирать неоднозначные реальные ситуации. Инференс и дообучение требуют вычислительных ресурсов.

Sakalti/beril — разговорная языковая модель, созданная слиянием моделей Qwen/Qwen2.5-0.5B-Instruct и HuggingFaceH4/zephyr-7b-beta. Для объединения применён метод SLERP с помощью mergekit; модель использует архитектуру MistralForCausalLM и состоит из 5,1 млрд параметров. Модель предназначена для генерации текста и диалогов: её можно использовать для ответов на вопросы, выполнения инструкций и создания текстовых продолжений. Заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

mulasan/bistbot-deepseek-math-8b — дообученная языковая модель mulasan на базе unsloth/DeepSeek-R1-Distill-Llama-8B-bnb-4bit. Это плотная архитектура Llama с примерно 7,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия; в метаданных также отмечен интерфейс вызова инструментов. Модель принимает текст и генерирует текст, а её родная длина контекста составляет 131072 токена. Карточка сообщает, что обучение выполнялось с Unsloth и библиотекой TRL.

BLOOM-3B — мультиязычная авторегрессионная языковая модель BigScience для генерации текста и исследований больших языковых моделей. Она также предназначена для дальнейшего дообучения под конкретные задачи. Модель основана на модифицированной архитектуре Megatron-LM GPT-2: декодер с 30 слоями, 32 головами внимания, скрытым размером 2560 и примерно 3 млрд параметров. Для позиционного кодирования используется ALiBi; длина последовательности при обучении составляла 2048 токенов. Модель обучалась на многих естественных языках, включая английский, французский, испанский, китайский, хинди, арабский и бенгали, а также на данных с кодом. Её можно применять для продолжения текста, черновой генерации и экспериментов с мультиязычными LLM. Лицензия — BigScience RAIL License v1.0. BLOOM-3B может выдавать правдоподобную, но фактически неверную информацию, а также стереотипный, предвзятый, оскорбительный или повторяющийся текст. Карточка исключает применение в высокорисковых сценариях, включая медицинские, юридические, политические и финансовые решения, оценку людей и задачи, где необходима достоверность.

BLOOM-7B1 — многоязычная авторегрессионная языковая модель BigScience для генерации текста и исследований больших языковых моделей. Её можно использовать напрямую для продолжения текста или как предобученную основу для дообучения под конкретные задачи. Модель построена на декодерном трансформере, модифицированном на основе Megatron-LM GPT-2: 30 слоёв, 32 головы внимания, размер скрытого слоя 4096 и около 7,1 млрд параметров по README. Используются позиционные кодировки ALiBi; длина последовательности при обучении составляла 2048 токенов. Модель обучалась на множестве языков и коде, включая русский, английский, французский, испанский, китайский, арабский и хинди. BLOOM подходит для генерации и продолжения текста, а также для экспериментов и последующего дообучения. Она может воспроизводить стереотипы и персональные данные, выдавать вредный, нерелевантный или повторяющийся текст и уверенно формулировать фактические ошибки; не предназначена для решений с существенными последствиями, в том числе в медицине, праве, политике и финансах. Лицензия — BigScience BLOOM RAIL 1.0; её условия и ограничения следует соблюдать.

BLOSSOM-v3.1-baichuan2-7b — диалоговая языковая модель, разработанная на основе Baichuan2-7B-Base и дообученная командой BLOSSOM на смеси наборов инструкций Orca, Wizard, Chat и Math. Модель имеет плотную архитектуру Baichuan с 7 млрд параметров и контекстное окно 4096 токенов; она принимает текст и генерирует текст в формате продолжения диалога. Модель предназначена для ответов на вопросы, выполнения инструкций, многоходового диалога и математических рассуждений на китайском и английском языках. Обучение проходило в два этапа: сначала на одношаговых инструкциях Wizard и Orca, затем на математических примерах и многотуровых диалогах Blossom Chat. Лицензия — Apache-2.0.

blossom-v3_1-mistral-7b-Mistral-7B-Instruct-v0.2-slerp — объединённая диалоговая модель на архитектуре Mistral, созданная слиянием Mistral-7B-Instruct-v0.2 и Azure99/blossom-v3_1-mistral-7b методом SLERP. Модель содержит 7,1 млрд параметров, опубликована в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге и ответов на инструкции. Её можно использовать в чат-ботах и для создания связных текстовых ответов на текстовые запросы. В карточке указана лицензия Apache-2.0. README не описывает дополнительные специализированные задачи или языковые возможности.

Blur-7b-slerp-v1.45 — объединённая модель семейства Mistral, созданная с помощью mergekit из CultriX/MonaTrix-v4 и liminerity/Blur-7b-slerp-v1.44 методом SLERP. Она предназначена для генерации и продолжения текста, в том числе диалоговых ответов. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; в конфигурации слияния указан тип bfloat16. Модель распространяется по лицензии Apache-2.0. README не описывает языковую специализацию или результаты оценок качества, поэтому их нельзя установить по доступным данным.

bophades-v2-mistral-7B — языковая модель на архитектуре Mistral, созданная автором репозитория путём слияния предварительно обученных моделей с помощью mergekit и метода Model Stock. В качестве базовой использована yam-peleg/Experiment26-7B; в слияние также вошли paulml/NeuralOmniWestBeaglake-7B, yam-peleg/Experiment21-7B, paulml/OmniBeagleSquaredMBX-v3-7B, Gille/StrangeMerges_16-7B-slerp, vanillaOVO/correction_1 и Kukedlc/NeuralMaths-Experiment-7b. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Она предназначена для генерации текста и сценариев на базе языковой модели. Карточка не приводит оценок качества или конкретных специализированных задач, поэтому пригодность для них следует проверять отдельно. Репозиторий распространяется под лицензией Apache-2.0.

bruphin-lambda — диалоговая языковая модель на архитектуре Mistral, созданная nbeerbower с помощью слияния SLERP через mergekit. Она объединяет chihoonlee10/T3Q-Mistral-Orca-Math-DPO и nbeerbower/bruphin-kappa и предназначена для генерации текста в формате диалога. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса Safetensors; модель распространяется по лицензии Apache-2.0. В карточке не приведены сведения о языках, специальных доменах или сравнительных оценках качества.

BuRPInfinWestLakev2-IreneRP-Neural-7B-slerp — объединённая языковая модель, созданная Smuggling1710 с помощью LazyMergekit методом slerp из Smuggling1710/WestLakev2-IreneRP-Neural-7B-slerp и jeiku/BuRPInfinity_9B. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров; она предназначена для генерации текста и диалоговых ответов. Контекст — до 32 768 токенов. Репозиторий содержит веса в формате safetensors, а в конфигурации слияния указан тип bfloat16. Язык модели, конкретные сценарии применения, лицензия и известные ограничения в доступных сведениях не описаны.

Это GGUF-квантизированная версия языковой модели c4ai-command-r-plus, разработанной CohereForAI и подготовленной пользователем bartowski для запуска через llama.cpp. Модель предназначена для генерации текста и диалоговых сценариев, включая работу в локальных inference-средах, поддерживающих формат GGUF. В README также указан специальный шаблон промпта для системных, пользовательских и ответов чат-бота. Модель поддерживает английский, французский, немецкий, испанский, итальянский, португальский, японский, корейский, китайский и арабский языки. Точные сведения об архитектуре, количестве параметров и размере контекста в карточке не приведены. Доступно несколько вариантов квантизации от Q2_K до Q5_K_M, а также IQ-квантизации; размер файлов составляет примерно от 39,49 до 73,62 ГБ. Более высокие уровни квантизации обеспечивают лучшее качество при больших требованиях к памяти, а низкие подходят для систем с ограниченными ресурсами, но снижают качество. Сильной стороной модели является возможность локального запуска с выбором компромисса между качеством, скоростью и потреблением памяти. Q5_K_M и Q5_K_S обозначены как высококачественные рекомендуемые варианты, а некоторые I-квантизации эффективнее по соотношению размера и качества при использовании cuBLAS или rocBLAS. I-квантизации не совместимы с Vulkan и могут работать медленнее K-квантизаций на CPU и Apple Metal. Модель распространяется по лицензии CC BY-NC 4.0, допускающей использование с ограничениями, включая запрет коммерческого применения.

ChaoticNeutrals/Captain-Eris-Diogenes_Twilight-V0.420-12B — объединённая разговорная языковая модель на архитектуре Mistral, опубликованная в формате safetensors для библиотеки Transformers. В состав слияния вошли Nitral-AI/Captain-Eris_Twilight-V0.420-12B и Nitral-AI/Diogenes-12B-ChatMLified; веса объединены методом SLERP. Модель содержит 12,1 млрд параметров и имеет заявленную длину контекста 1 024 000 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов в чате, продолжения текста и интерфейсов с вызовом инструментов. Карточка не сообщает о специальной предметной области или языках. Лицензия в предоставленных данных не указана.