II.6Документация и сопровождение разработки

Карточка модели roskosmos19/Dolphin-4B-Instruct-0409 на Hugging Face совпадает с карточкой roskosmos19/Orca-4B-Instruct, поэтому описание составлено по ней. Orca-4B-Instruct — компактная инструктивная языковая модель, опубликованная roskosmos19. По карточке она основана на архитектуре Qwen3 и предназначена для диалогов и выполнения текстовых инструкций. Модель содержит около 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает контекст до 16 384 токенов. Модель рассчитана на генерацию ответов, следование инструкциям и разговорные сценарии; в метаданных также заявлен интерфейс вызова инструментов. Карточка описывает оптимизацию для экономичного запуска: сокращённый контекст и удалённые мультимодальные специальные токены уменьшают требования к памяти, сохраняя фокус на текстовых ответах. Доступны веса в формате safetensors. Модель подходит для локальных чат-ботов, помощников и других приложений, где важны умеренный размер и стоимость инференса. Ограничение контекста до 16 384 токенов исключает обработку очень длинных запросов; сведения о поддерживаемых естественных языках в карточке не приведены. Лицензия — Apache-2.0.

Карточка модели roskosmos19/Dolphin-4B-Instruct-flash на Hugging Face совпадает с карточкой roskosmos19/Orca-4B-Instruct, поэтому описание составлено по ней. Orca-4B-Instruct — компактная инструктивная языковая модель, опубликованная roskosmos19. По карточке она основана на архитектуре Qwen3 и предназначена для диалогов и выполнения текстовых инструкций. Модель содержит около 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает контекст до 16 384 токенов. Модель рассчитана на генерацию ответов, следование инструкциям и разговорные сценарии; в метаданных также заявлен интерфейс вызова инструментов. Карточка описывает оптимизацию для экономичного запуска: сокращённый контекст и удалённые мультимодальные специальные токены уменьшают требования к памяти, сохраняя фокус на текстовых ответах. Доступны веса в формате safetensors. Модель подходит для локальных чат-ботов, помощников и других приложений, где важны умеренный размер и стоимость инференса. Ограничение контекста до 16 384 токенов исключает обработку очень длинных запросов; сведения о поддерживаемых естественных языках в карточке не приведены. Лицензия — Apache-2.0.

unsloth/dots.llm1.inst-GGUF — GGUF-версия instruction-tuned модели dots.llm1.inst, разработанной командой rednote-hilab и подготовленной в формате GGUF проектом Unsloth. Это большая разреженная Mixture-of-Experts (MoE) языковая модель для генерации текста и диалоговых сценариев, включая работу в локальных средствах инференса, совместимых с GGUF. Модель предназначена для общения, ответов на вопросы и других задач обработки текста на английском и китайском языках. Модель содержит 142 млрд параметров, из которых при инференсе активируется 14 млрд. Архитектура включает 62 слоя, 32 attention heads, Multi-head Attention с QK-Norm, а также fine-grained MoE с выбором 6 из 128 маршрутизируемых экспертов и двумя общими экспертами. Контекстное окно составляет 32 768 токенов. Instruction-тюнинг выполнен после этапа предварительного обучения; при предварительном обучении использовались высококачественные данные без синтетических токенов. К сильным сторонам относятся сочетание возможностей крупной модели с меньшим числом активных параметров, потенциальная вычислительная эффективность MoE и открытость исходной модели. README не указывает конкретный метод или уровень GGUF-квантизации, поэтому характеристики качества, размера файла и требований к памяти для данной сборки определить нельзя. Для llama.cpp требуется включить параметр --jinja, чтобы корректно обрабатывался системный промпт. Лицензия модели — MIT.

jaspionjader/dp-6-8b — объединённая языковая модель, созданная с помощью mergekit методом SLERP из jaspionjader/dp-2-8b и jaspionjader/dp-5-8b. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. Модель предназначена для генерации текста и диалогового общения. Контекст составляет до 8192 токенов. Модель принимает текст и выдаёт текст. В карточке не описаны специальные области применения, языковая специализация или результаты оценки качества. Использование регулируется лицензией, указанной в метаданных Hugging Face; она не предоставлена в доступных сведениях.

ECE-TW3-JRGL-V1 — текстовая модель, созданная Луи Гарсией и Матьё Жолларом, студентами инженерной школы ECE, под руководством преподавателя ECE и руководителей TW3 Partners. Модель получена слиянием ShinojiResearch/Senku-70B-Full и 152334H/miqu-1-70b-sf методом SLERP с помощью mergekit; в конфигурации указана базовая модель 152334H/miqu-1-70b-sf. Это плотная Llama-совместимая архитектура LlamaForCausalLM с 68,7 млрд параметров и контекстом до 32 764 токенов. Репозиторий содержит веса safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. В README приведён результат 83,07 на EQ-Bench V2, бенчмарке эмоционального интеллекта для больших языковых моделей. Лицензия — Apache 2.0. Данные не описывают языковую специализацию и ограничения по качеству или применению модели.

jaspionjader/ek-1 — объединённая авторегрессионная языковая модель семейства Llama, созданная разработчиком jaspionjader методом Model Stock с помощью mergekit. В качестве базовой модели использована jaspionjader/Kosmos-EVAA-Franken-Immersive-v39-8B, также в объединение вошли jaspionjader/kstc-1-8b, jaspionjader/knf-1-8b и P0x0/Epos-8b. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает диалоговый сценарий и имеет контекст длиной до 131 072 токенов. Подходит для генерации продолжений и ответов в чате с учётом длинного контекста. README и метаданные не описывают специализированные области применения или ограничения качества. Лицензия в предоставленных данных не указана.

Qwythos-9B-v2-GGUF — это квантизированная версия языковой модели Qwythos-9B-v2, разработанной Empero AI. Представлена в формате GGUF и подготовлена bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, диалогов и задач, требующих рассуждений; в метаданных также указаны поддержка английского языка, long-context и uncensored-настройка. Модель имеет около 9 млрд параметров и распространяется в нескольких вариантах точности: от bf16 и Q8_0 до более компактных Q2–Q6 и IQ-квантов. Размер файлов составляет примерно от 5,1 до 18,4 ГБ. Квантование позволяет запускать модель локально через llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другие совместимые инструменты, выбирая компромисс между качеством и требованиями к памяти. Точная архитектура, максимальная длина контекста и перечень поддерживаемых модальностей в README не указаны; по имеющимся данным это текстовая модель без заявленной поддержки изображений, аудио или видео. Сильные стороны модели — локальный запуск, широкий выбор квантов и возможность подобрать вариант под доступный объём RAM или VRAM. Более высокие варианты, включая Q6_K_L, Q6_K, Q5 и Q4_K_M, ориентированы на сохранение качества, тогда как Q3 и Q2 подходят для систем с ограниченными ресурсами, но дают более низкое качество. Модель распространяется по лицензии Apache-2.0.

english_code_retriever — модель Sentence Transformers, разработанная fyaronskiy на основе answerdotai/ModernBERT-base и дообученная на наборе code_search_net с функцией потерь MultipleNegativesRankingLoss. Она предназначена для поиска фрагментов кода по текстовому запросу и для ранжирования найденных результатов. Модель строит плотные векторы размерности 768 с mean pooling; релевантность можно оценивать косинусным сходством. Максимальная длина входной последовательности — 8192 токена, размер модели — 149 млн параметров. Модель ориентирована на английский язык и поиск по коду; в карточке перечислены Python, Java, Go и PHP. README приводит результаты на бенчмарках RTEB и COIR, но они не гарантируют такого же качества на других данных. Модель распространяется по лицензии MIT.

Dohyeon1/ERNIE-Sub-MoE-ngroups56-adaptive — языковая модель семейства ERNIE с архитектурой Mixture-of-Experts, опубликованная пользователем Dohyeon1 на Hugging Face. Модель предназначена для генерации текста и диалоговых сценариев через библиотеку Transformers; в метаданных также указана поддержка формата SafeTensors и conversational-тегов. Модель содержит около 3,3 млрд параметров и поддерживает контекст длиной до 131 072 токенов, что позволяет работать с большими текстовыми запросами и документами. Конкретные языки, лицензия, данные обучения, результаты оценки и рекомендации по применению в карточке модели не описаны.

e.star.7.b — текстовая модель семейства Mistral, разработанная gate369 и дообученная на yam-peleg/Experiment26-7B. Она предназначена для генерации текста и может использоваться для диалогов, написания черновиков и экспериментов с языковыми моделями. Модель содержит 7,1 млрд параметров, имеет контекстное окно 32 768 токенов и распространяется в формате safetensors. В карточке приведены результаты оценок на AI2 Reasoning Challenge и HellaSwag. Модель обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Лицензия — Apache-2.0. README не уточняет, какие языки, кроме английского, поддерживаются, и не описывает специфические ограничения качества.

Eunoia-Llama-8B-R1 — объединённая текстовая языковая модель на архитектуре Llama, созданная с помощью mergekit методом TIES. В основу объединения вошли GoToCompany/llama3-8b-cpt-sahabatai-v1-instruct и huihui-ai/DeepSeek-R1-Distill-Llama-8B-abliterated; итоговая модель содержит около 7,5 млрд параметров и использует формат Safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка базовой модели указывает на сценарии рассуждений, математики и программирования, однако README Eunoia не содержит отдельных оценок качества или подробных рекомендаций по применению. Контекст составляет 8192 токена. Данных о поддерживаемых естественных языках и лицензии в предоставленных источниках нет.

EVA-Qwen2.5-32B-v0.1-GGUF — это GGUF-квантизация текстовой генеративной модели EVA-Qwen2.5-32B-v0.1, разработанной EVA-UNIT-01. Квантизации подготовлены bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, включая задачи следования инструкциям, написания текстов и ролевого взаимодействия; в обучении использовались наборы данных для instruction-following, creative writing, roleplay и синтетических диалогов. Модель основана на семействе Qwen2.5 и содержит 32 млрд параметров. Доступны варианты от F16 до различных 8-, 6-, 5-, 4- и 3-битных квантизаций, включая форматы, оптимизированные для ARM. Более качественные варианты требуют значительного объёма памяти, тогда как младшие квантизации подходят для систем с ограниченными ресурсами, но могут заметно уступать по качеству. README не указывает поддерживаемые языки, размер контекста и мультимодальные возможности, поэтому их нельзя достоверно определить по предоставленным данным. Для работы рекомендуется использовать формат prompt с маркерами Qwen и совместимый inference-инструмент, например LM Studio или llama.cpp. Модель распространяется по лицензии Apache-2.0.

EVA-Qwen2.5-32B-v0.2-GGUF — это набор GGUF-квантизаций текстовой генеративной модели EVA-Qwen2.5-32B-v0.2, разработанной EVA-UNIT-01 и подготовленной пользователем bartowski. Модель предназначена для генерации текста, включая диалоговые, инструкционные, писательские и roleplay-сценарии. Она обучалась на смесях датасетов с инструкциями, художественным письмом, ролевыми диалогами и синтетическими примерами. Доступны варианты от полноразмерного F16 до квантизаций Q8_0, Q6, Q5, Q4 и Q3, включая форматы IQ. Размер файлов составляет примерно от 14,81 до 65,54 ГБ. Квантизации выполнены с использованием llama.cpp и imatrix; для запуска рекомендуется LM Studio. Более высокие разрядности обеспечивают лучшее сохранение качества, а варианты Q3 подходят для систем с ограниченным объёмом оперативной памяти, но заметно уступают по качеству. Отдельные варианты оптимизированы для ARM и требуют соответствующих аппаратных возможностей; они не предназначены для Mac или Windows. В README не указаны точные архитектурные параметры, размер контекста, поддерживаемые языки и мультимодальные возможности, поэтому модель следует рассматривать как текстовую. Лицензия указана как Apache-2.0. Для использования необходимы ресурсы, соответствующие выбранному варианту квантизации.

EXAONE-Deep-2.4B — плотная языковая модель с 2,4 млрд параметров, разработанная LG AI Research для рассуждений и генерации текста. Это дообученная версия EXAONE-3.5-2.4B-Instruct; архитектура использует 30 слоёв и групповое внимание GQA с 32 головами запросов и 8 головами ключей и значений. Модель поддерживает контекст до 32 768 токенов и рассчитана на английский и корейский языки. Модель предназначена для диалогов и задач рассуждения, в частности решения математических задач и генерации кода. По заявлению разработчика, версия 2.4B показывает результаты выше других моделей сравнимого размера на ряде тестов. Она работает с библиотекой Transformers и доступна для запуска в нескольких средах инференса. Модель может создавать фактически неверные, противоречивые, предвзятые или неуместные ответы и не располагает актуальными сведениями. Лицензия указана как other; конкретные условия следует проверить в репозитории модели.

Exodius-70B — объединённая языковая модель, созданная с помощью mergekit методом SLERP из freewheelin/free-evo-qwen72b-v0.8-re и abacusai/Smaug-72B-v0.1. Она предназначена для генерации текста и диалоговых сценариев. Модель построена на плотной архитектуре Llama с классом LlamaForCausalLM, содержит 71 млрд параметров и поддерживает контекст до 32 768 токенов. Весовой формат репозитория — safetensors; библиотека для работы — Transformers. Объединение сочетает две предварительно обученные языковые модели, включая Smaug-72B-v0.1, предназначенную для диалога, ответов на вопросы и рассуждений. В карточке не приведены отдельные результаты оценки качества или специализированные области применения. Модель распространяется по лицензии Apache-2.0.

Experiment26Neuralarjuna-7B — автоматически собранная Maxime Labonne языковая модель для генерации текста по запросу. В README указано слияние моделей методом DARE-TIES; в конфигурации участвуют rwitz/experiment26-truthy-iter-0 и Kukedlc/NeuralArjuna-7B-DT. Метаданные связывают её с дообученной Kukedlc/NeuralArjuna-7B-DT и указывают архитектуру Mistral с плотной causal language model. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает специализированную область применения или дополнительные возможности сверх генерации текста.

Experiment26Neuralsirkrishna_Multi_verse_modelYam — объединённая языковая модель семейства Mistral, созданная из automerger/Experiment26Neuralsirkrishna-7B и automerger/Multi_verse_modelYam-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors. Модель предназначена для генерации текста и диалогов. Её контекстное окно составляет до 32 768 токенов. Данных о специализации по языкам или прикладным областям в карточке нет. Модель распространяется по лицензии Apache-2.0.

Experiment26Neuralsirkrishna_Strangemerges_30Experiment28 — объединённая модель семейства Mistral, созданная на основе automerger/Experiment26Neuralsirkrishna-7B и automerger/Strangemerges_30Experiment28-7B. Она предназначена для генерации текста и диалогов. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает конкретные языки, специализированные области или результаты оценки качества, поэтому их нельзя надёжно определить.

MaziyarPanahi/Experiment26Neuralsirkrishna_YamStrangemerges_32 — объединённая автором репозитория модель Mistral для генерации текста и диалогов. Она содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Модель объединяет automerger/Experiment26Neuralsirkrishna-7B и automerger/YamStrangemerges_32-7B. Модель предназначена для генерации продолжений текста и диалоговых ответов на входные текстовые запросы. Язык применения по имеющимся сведениям не установлен. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0.

MaziyarPanahi/Experiment26T3qm7xp_Experiment26Strangemerges_30 — объединённая автором репозитория модель Mistral с 7,1 млрд параметров для генерации текста. Она создана слиянием automerger/Experiment26T3qm7xp-7B и automerger/Experiment26Strangemerges_30-7B и подходит для генерации продолжений и ответов на текстовые запросы. Модель принимает текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors по лицензии Apache-2.0. README не описывает дополнительные настройки или специализацию модели.

Experiment26Yam_Experiment29Pastiche — объединённая модель для генерации текста, созданная MaziyarPanahi путём слияния automerger/Experiment26Yam-7B и automerger/Experiment29Pastiche-7B. Она основана на плотной архитектуре Mistral с 7,1 млрд параметров и принимает текстовый контекст длиной до 32 768 токенов. Модель подходит для генерации продолжений текста и диалоговых ответов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. README не описывает отдельные специализации или ограничения качества; доступные сведения указывают на применение общего назначения.

MaziyarPanahi/Experiment26Yam_Inex12Experiment28 — объединённая модель Mistral, созданная на основе automerger/Experiment26Yam-7B и automerger/Inex12Experiment28-7B. Она предназначена для генерации текста и может использоваться в сценариях, где требуется продолжение текста или формирование ответов по текстовому запросу. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Модель распространяется по лицензии Apache-2.0. Сведения о её специализированной области применения, поддерживаемых естественных языках и конкретных ограничениях в доступных данных отсутствуют.

Experiment26Yamshadow_NeuralExperiment26 — объединённая модель на архитектуре Mistral, созданная из automerger/Experiment26Yamshadow-7B и automerger/NeuralExperiment26-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста; поддерживает контекст до 32 768 токенов. Модель подходит для продолжения текста и генерации ответов по текстовым запросам. Она распространяется в формате safetensors по лицензии Apache 2.0. Карточка не описывает специальные возможности, целевые языки или ограничения качества.

MaziyarPanahi/Experiment26Yamshadow_Strangemerges_32Yam — объединённая модель для генерации текста, созданная на основе automerger/Experiment26Yamshadow-7B и automerger/Strangemerges_32Yam-7B. Она использует плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы в сценариях, где требуется учитывать длинный контекст. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Сведения о специальных предметных областях и поддерживаемых естественных языках не приводятся.

Experiment26Yam_YamStrangemerges_32 — объединённая языковая модель на архитектуре Mistral, созданная из automerger/Experiment26Yam-7B и automerger/YamStrangemerges_32-7B. Она предназначена для генерации текста и может использоваться в приложениях, которым нужна генерация ответов и продолжение текста по запросу. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий предоставляет веса в формате safetensors, лицензия — Apache-2.0. README не уточняет поддерживаемые языки и специализированные сценарии; качество объединения и поведение на конкретных задачах следует оценивать отдельно.

MaziyarPanahi/Experiment28M7_Experiment24Yam — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/Experiment28M7-7B и automerger/Experiment24Yam-7B. Модель содержит 7,1 млрд параметров и принимает текст для генерации текста; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации продолжений текста и ответов в сценариях, где требуется текстовая языковая модель. В карточке не описаны специализация по предметным областям, языковое покрытие или отдельные возможности сверх генерации текста. Распространяется в формате Safetensors по лицензии Apache-2.0.

Experiment28M7_Inex12Experiment28 — объединённая модель генерации текста, созданная MaziyarPanahi на основе automerger/Experiment28M7-7B и automerger/Inex12Experiment28-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель предназначена для генерации текста и диалогов с контекстом до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не сообщает о специализированной предметной области или дополнительных возможностях.

MaziyarPanahi/Experiment28T3q_AlloyingotneoyExperiment24 — объединённая автором репозитория модель на базе двух моделей automerger: Experiment28T3q-7B и AlloyingotneoyExperiment24-7B. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Модель предназначена для генерации текста; её контекстное окно составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Карточка не описывает специализированные сценарии применения, языки или результаты оценки качества.

MaziyarPanahi/Experiment28T3q_Strangemerges_30Experiment26 — объединённая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана путём слияния automerger/Experiment28T3q-7B и automerger/Strangemerges_30Experiment26-7B и предназначена для генерации текста, включая диалоговые и другие сценарии продолжения текста. Модель принимает текст и выдаёт текст; заявленная длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не сообщает подробностей о методе слияния, обучающих данных или результатах оценки качества, поэтому пригодность для конкретных задач следует проверять отдельно.

f-7-8b — объединённая языковая модель семейства Llama, созданная jaspionjader с помощью mergekit методом SLERP из jaspionjader/f-6-8b и jaspionjader/Kosmos-EVAA-mix-v35-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогового общения. Контекстное окно составляет 8192 токена. Модель подходит для ведения диалога и генерации ответов на текстовые запросы. В репозитории представлены веса в формате safetensors; для использования заявлена библиотека Transformers. Сведений о специальной предметной области или поддерживаемых языках нет. Условия лицензии в предоставленных данных не указаны.