II.6Документация и сопровождение разработки

balrogbob/open_llama_3b_v2-python-instruct-0.1.2 — языковая модель семейства Llama, разработанная balrogbob и дообученная на базе balrogbob/open_llama_3b_v2-python-instruct-0.1_4bit. Модель содержит 3,3 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и выполнения инструкций на английском языке. Её обучали с использованием Unsloth и библиотеки Hugging Face TRL. Репозиторий распространяется по лицензии Apache-2.0.

Open-MOPD-SmolLM3-3B-MixSFT — языковая модель на архитектуре SmolLM3ForCausalLM, подготовленная командой Open-MOPD как начальный чекпойнт для последующего обучения специализированных RL-моделей и итоговой модели-дистиллята. Она создана дообучением HuggingFaceTB/SmolLM3-3B-Base на математических задачах, коде и данных для следования инструкциям; параметры обучения сбалансированы по числу токенов ответов. Модель содержит около 3,1 млрд параметров, распространяется в формате safetensors и рассчитана на генерацию текста и диалоговое применение. Метаданные указывают контекст до 65 536 токенов; в описанном обучении и оценке использовалась максимальная длина последовательности 32 768 токенов. Карточка приводит результаты на математических, кодовых и инструкционных тестах, но не уточняет методику их интерпретации для практических сценариев. Указанный в метаданных язык — английский. Лицензия Apache-2.0.

Open_Neural_Monarch_Maidv0.1 — языковая модель для генерации текста и диалогов, созданная объединением предварительно обученных моделей с помощью mergekit. В состав вошли Intel/neural-chat-7b-v3-1, NeverSleep/Noromaid-7B-0.4-DPO, teknium/OpenHermes-2.5-Mistral-7B и mlabonne/Monarch-7B; базой для слияния указана mistralai/Mistral-7B-v0.1. Использован метод DARE TIES. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов. Предназначена для генерации текста и ведения диалога. В README приведены результаты нескольких тестов Open LLM Leaderboard, включая среднюю оценку 69,28. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Сведения о поддерживаемых естественных языках в предоставленных источниках отсутствуют.

OpenSonnet-Lite-MAX — дообученная языковая модель hadadxyz на архитектуре Qwen3, основанная на Qwen/Qwen3-4B-Thinking-2507. Она предназначена для диалоговой генерации текста, следования инструкциям и решения задач с рассуждением; в карточке также показана демонстрация вызова инструментов. Модель содержит 3,7 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов. Указаны многоэтапное дообучение в два прохода и оценка 85,22 на GSM8K; результатов для MMLU-Pro и GPQA Diamond карточка не приводит. Модель распространяется в формате safetensors через Transformers по лицензии Apache 2.0. Языки обучения или поддерживаемые естественные языки в предоставленных данных не обозначены. Результаты бенчмарка и заявленные возможности основаны на карточке модели и сами по себе не гарантируют аналогичное качество на других задачах.

OPSD-PI Qwen3.5-9B Strong Trailing — update 4 — это непосредственно загружаемый объединённый чекпойнт семейства Qwen3.5, опубликованный LSW142857. Репозиторий содержит плотную модель класса Qwen3_5ForConditionalGeneration в формате safetensors; в метаданных указана библиотека Transformers и задача text-generation. Модель прошла четыре обновления оптимизатора на запуске Strong PI trailing_user с 1024 строками на восьми RTX A6000. Чекпойнт объединяет экспертную SFT-инициализацию, обновления LoRA основной модели и MTP, а также обученные тензоры full-MTP; дополнительный адаптер или шаг слияния для загрузки не требуется. Модель предназначена для генерации текста в диалоговом режиме и задач с кодом. В README описаны происхождение и структура весов, но не приведены результаты на отложенных наборах данных; автор рекомендует оценивать студента без PI на задачах, не входивших в обучающие 1024 строки. Лицензия в предоставленных сведениях не указана.

Orca-4B-Thinking — языковая модель для диалогов и задач, требующих многошаговых рассуждений. Согласно README, модель разработана на основе Qwen3-4B и дообучена в стиле DeepSeek-R1 на наборах OpenThoughts-114k и Mixture-of-Thoughts; метаданные связывают её с Qwen/Qwen3.5-4B. Карточка описывает причинную плотную архитектуру Qwen3, а метаданные указывают 3,7 млрд параметров и контекст до 262 144 токенов. Модель предназначена для генерации развёрнутых рассуждений и ответов в математике, программировании, естественных науках и головоломках, а также для следования инструкциям и работы с инструментами. README сообщает о режиме Thinking и приводит оценочные результаты бенчмарков, поэтому заявленные улучшения производительности не следует считать независимой проверкой. Поддерживаются английский, немецкий, испанский, французский и китайский языки по тегам метаданных. Лицензия — Apache-2.0.

llama_3_orca_mini_v5_8b_dpo — диалоговая языковая модель общего назначения, созданная Pankaj Mathur на архитектуре Llama 3. Это плотная модель примерно на 7,5 млрд параметров, обученная с использованием наборов данных для DPO и предназначенная для общения и генерации текста. Карточка приводит формат промпта ChatML и результаты нескольких тестов рассуждения и следования инструкциям. Модель подходит для диалогового помощника, ответов на вопросы и генерации текста на английском языке. Контекстное окно составляет 8192 токена; веса доступны в форматах PyTorch и Safetensors. Для дальнейшей настройки и объединения с другими моделями автор разрешает использовать модель при условии указания авторства. Лицензия в метаданных — Llama 3.

Orca Mini v9.4 — диалоговая языковая модель Pankaj Mathur, дообученная на базе Meta Llama 3.3 70B Instruct. Она предназначена для генерации текста в формате диалога с ассистентом и может использоваться для ответов на вопросы, написания текстов и создания чат-ботов. Модель имеет плотную архитектуру LlamaForCausalLM, около 69,5 млрд параметров и контекстное окно до 131 072 токенов. В карточке указаны английский язык и датасеты Orca Mini; базовая Llama 3.3 поддерживает также французский, немецкий, хинди, итальянский, португальский, испанский и тайский, однако качество этих языков именно у Orca Mini отдельно не подтверждено. Весовые файлы представлены в форматах PyTorch и safetensors. Модель может генерировать неточные, предвзятые или нежелательные ответы, поэтому её поведение и безопасность следует проверять для конкретного применения. Использование регулируется лицензией Llama 3.3 (llama3.3).

Ornith-1.0-9B-bf16 — конвертированная в формат MLX версия модели deepreinforce-ai/Ornith-1.0-9B, подготовленная сообществом mlx-community. В метаданных указаны архитектура Qwen3.5 с плотной структурой и класс Qwen3_5ForConditionalGeneration; модель предназначена для генерации текста и диалогового взаимодействия. Карточка этой версии отсылает за сведениями о назначении и характеристиках к исходной модели. Для запуска в экосистеме MLX README рекомендует библиотеку mlx-vlm. Репозиторий распространяется по лицензии MIT.

Orthorus 125B v2 — языковая модель общего назначения, разработанная ibivibiv. Это смесь дообученных моделей Mistral, построенная по архитектуре Mixtral Mixture of Experts (MoE) и предназначенная для генерации текста и диалогового общения. По данным метаданных, модель содержит 68,7 млрд параметров и поддерживает контекст длиной до 32 764 токенов. Модель рассчитана на ответы на вопросы и задачи общего знания. В карточке приведены результаты Open LLM Leaderboard, включая показатели AI2 Reasoning Challenge и HellaSwag; автор рекомендует обращаться к полной оценке для понимания сильных сторон и слабых мест. Карточка не уточняет набор обучающих данных и языков, поэтому метаданные подтверждают английский язык. Модель распространяется по лицензии Apache-2.0.

Oxide-F2-7B-slerp — текстовая генеративная модель на основе Mistral, созданная weezywitasneezy путём слияния двух моделей с помощью LazyMergekit и метода slerp: OxytocinErosEngineeringFX-7B-slerp и BenchmarkEngineering-F2-7B-slerp. В конфигурации указана базовая модель OxytocinErosEngineeringFX-7B-slerp; для слоёв self-attention и MLP заданы отдельные коэффициенты смешивания. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors. Максимальная длина контекста составляет 32 768 токенов. Предназначена для генерации текста; карточка не уточняет специализированные сценарии или поддерживаемые языки. Для неё доступна отдельная публикация квантованных версий GGUF. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но ограничивающая коммерческое применение. README не приводит оценок качества или подробных ограничений модели.

OxytocinEngineering-v2-45B-passthrough — языковая модель семейства Llama, созданная слиянием Sao10K/Fimbulvetr-11B-v2 и NeverSleep/CausalLM-RP-34B с помощью LazyMergekit. Используется для генерации текста и диалогов; карточка указывает возможность чат-взаимодействия. Слияние выполнено методом passthrough с сохранением заданных диапазонов слоёв, а веса представлены в формате Safetensors и типе bfloat16. Модель содержит 60,7 млрд параметров и имеет нативный контекст до 200 000 токенов. В карточке не описаны конкретные языки, специализированные области или оценка качества. Условия лицензии в предоставленных данных не указаны.

Pallas-0.5-frankenmerge — 35,6-миллиардная плотная языковая модель семейства Llama, созданная Mihaiii с помощью mergekit на основе Mihaiii/Pallas-0.5. Она предназначена для генерации текста, рассуждений и понимания текста; автор отмечает, что модель хорошо работает с длинными системными инструкциями, но не подходит для универсального применения, например для написания художественных историй. Заявленная длина контекста — 200 000 токенов. Модель принимает текст и генерирует текст; для диалога используется формат SYSTEM / USER / ASSISTANT. Она обучена на частном наборе данных. Лицензия указана как other, поэтому перед использованием следует проверить условия в карточке модели.

bunsenfeng/parti_11_full — генеративная языковая модель для создания текста, опубликованная пользователем bunsenfeng на Hugging Face. Модель совместима с библиотекой Transformers и использует архитектурное семейство Qwen2, что следует из метаданных репозитория. Объём модели составляет 7,1 млрд параметров, а нативная длина контекста — 32 768 токенов. Модель предназначена для задач генерации текста и может применяться в диалоговых сценариях, создании и продолжении текстов, подготовке черновиков и интеграции в приложения на базе Transformers. В метаданных также указана conversational-ориентация, однако README не содержит сведений о специализированном дообучении, языках, наборах данных, результатах оценки или рекомендованных сценариях использования. Лицензия в предоставленных данных не указана. Из-за отсутствия описания обучения и тестирования нельзя подтвердить качество модели для конкретных предметных областей, устойчивость ответов, безопасность или фактическую поддержку определённых естественных языков.

runkai/PascalHermes-2.5-Mistral-7B — разговорная языковая модель на архитектуре Mistral, дообученная на базе teknium/OpenHermes-2.5-Mistral-7B. Она предназначена для диалогов и генерации текста; базовая модель также рассчитана на помощь с кодом. Модель содержит 7,1 млрд параметров, использует формат safetensors и имеет контекст длиной до 32 768 токенов. В метаданных указан английский язык и набор данных argilla/distilabel-intel-orca-dpo-pairs для DPO-обучения. Карточка содержит результаты Open LLM Leaderboard, включая среднее значение 64,81, но не описывает методику обучения именно этой версии, её ограничения или независимые сценарии применения. Лицензия — MIT; разработчик в автоматически сгенерированной карточке не указан.

PasticheNeuralsirkrishna-7B — объединённая языковая модель, созданная Maxime Labonne методом DARE-TIES на основе NeuralSirKrishna-7b и CorticalStack/pastiche-crown-clown-7b-dare. Это плотная причинная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогов. Контекстное окно составляет до 32 768 токенов; веса опубликованы в формате safetensors. Модель можно использовать для генерации ответов, продолжения текста и диалоговых приложений. В README приведён пример запуска через Transformers. Модель распространяется по лицензии Apache-2.0. README не описывает специальные языковые, предметные или мультимодальные возможности, поэтому их нельзя считать подтверждёнными.

Pearl-34B-ties — текстовая чат-модель, созданная louisbrulenaudet методом TIES-Merging. В README перечислены модели, использованные при слиянии: jondurbin/bagel-dpo-34b-v0.2 и abacusai/MetaMath-Bagel-DPO-34B; конфигурация также указывает abacusai/Smaug-34B-v0.1 как базовую модель. Модель имеет плотную архитектуру LlamaForCausalLM примерно на 33,9 млрд параметров и доступна в формате Safetensors для Transformers. Модель предназначена для генерации текста в диалогах и решения широкого круга текстовых задач. README приводит результаты оценивания на Open LLM Leaderboard, включая тесты на знания, рассуждения, понимание текста и математику. Заявленная длина контекста — до 200 000 токенов; в карточке указан английский язык. Модель распространяется по лицензии Apache-2.0. Результаты бенчмарков не гарантируют аналогичного качества в прикладных сценариях; README не приводит подробных оценок ограничений или рекомендаций по эксплуатации.

Pernicious Prophecy 70B — англоязычная текстовая модель Black Ink Guild, созданная SicariusSicariiStuff и invisietch для ролевых диалогов, работы ассистента и задач общего назначения. Это плотная авторегрессионная модель семейства Llama с 69,5 млрд параметров; она использует формат инструкций Llama 3 Instruct и поддерживает контекст до 131 072 токенов по метаданным. Авторы тестировали ролевые сценарии на контексте до 32 768 токенов и рекомендуют этот размер. Модель получена слиянием четырёх моделей Llama 3 и последующим целевым QLoRA дообучением на примерно 18 млн токенов. README приводит примеры развёрнутых творческих ответов и генерации кода, а также отмечает чувствительность к формулировкам запросов. Модель позиционируется как uncensored и может выдавать оскорбительный, опасный или иной нежелательный контент. Указана лицензия llama3.3.

Репозиторий содержит веса языковой модели phi-2, разработанной Microsoft. Это плотная авторегрессионная модель семейства MixFormer Sequential для генерации текста; карточка приводит максимальную длину контекста 2048 токенов и формат весов safetensors. Модель предназначена для генерации продолжений и ответов на текстовые запросы. Для запуска README указывает использование Transformers и потребность примерно в 12,5 ГБ видеопамяти при загрузке в float32. Репозиторий заявляет лицензию other; README отсылает к файлу лицензии за условиями использования.

Phi-3.5-mini-instruct-24-9-29 — дообученная на наборе данных lmsys_chat версия компактной плотной языковой модели Phi-3.5-mini-instruct от Microsoft. Модель содержит 3,7 млрд параметров, использует архитектуру Phi-3 и рассчитана на генерацию текста и диалоги; для неё указано контекстное окно 4096 токенов. Модель можно использовать для генерации ответов в чате и других текстовых сценариев на основе инструкций. В README приведён результат оценки на тестовой выборке: loss 1,3194. Метаданные указывают лицензию «other»; дополнительных условий использования карточка не описывает.

duyntnet/Phi-3.5-mini-instruct-imatrix-GGUF — набор квантованных версий модели Phi-3.5-mini-instruct, разработанной Microsoft и опубликованной пользователем duyntnet в формате GGUF с использованием imatrix. Модель относится к семейству Phi-3 и предназначена для генерации текста и выполнения инструкций в диалоговом формате; для работы подходят llama.cpp, JanAI, KoboldCPP, text-generation-webui, Ollama и GPT4All. Модель обучалась на синтетических данных и отфильтрованных общедоступных веб-материалах с акцентом на качественные данные для рассуждений. Она поддерживает контекст до 128 000 токенов, словарь размером до 32 064 токенов и, согласно карточке, ориентирована на английский язык. Обучение включало supervised fine-tuning, proximal policy optimization и direct preference optimization, что направлено на соблюдение инструкций и повышение безопасности ответов. К преимуществам относятся компактность исходной модели, длинный контекст, поддержка локального запуска и наличие нескольких уровней квантования, потенциально снижающих требования к ресурсам. Ограничения связаны с тем, что квантование может влиять на качество по сравнению с исходной моделью, а сведения о конкретных размерах файлов, параметрах и характеристиках отдельных вариантов в карточке не приведены. Лицензия указана как other, без подробного описания условий использования.

parmanu-lcs2/Phi-4-7B — сжатая методом SNIPER версия Phi-4, представленная в формате Transformers и предназначенная для генерации текста и диалогового применения. После прореживания осталось около 7,45 млрд параметров; README указывает целевой коэффициент сжатия 50%. По метаданным архитектура относится к семейству Phi-3 и имеет 14,1 млрд параметров, что расходится с числом параметров после прореживания в карточке. После прореживания модель прошла восстановительное дообучение LoRA на 2000 примерах SlimOrca в течение одной эпохи; адаптеры объединены с весами. Указанный в README контекст при дообучении — 1024 токена, а нативный контекст в метаданных — 16384 токена. Для использования приведён пример загрузки через Transformers с trust_remote_code=True. Информация о лицензии и языках модели в предоставленных данных отсутствует.

Sorawiz/Phi-4-Base — объединённая языковая модель, созданная автором репозитория с помощью mergekit и метода TIES на основе нескольких моделей семейства Phi-4. В состав вошли Phi-4-Empathetic, LoRA-phi-4-abliterated, Phi-4-Math-IO, Phi-4-o1 и Phi-4-QwQ. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 14,1 млрд параметров и использует контекст до 16 384 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Состав исходных моделей ориентирует её на эмпатичные ответы, математику, рассуждения и задачи в стиле QwQ и o1. Репозиторий распространяет веса в формате safetensors для библиотеки Transformers. Лицензия в предоставленных данных не указана.

Phi-4-mini-instruct-GGUF — GGUF-квантизированная версия инструкционной модели Phi-4-mini-instruct, разработанной Microsoft. Квантизацию выполнил bartowski на базе llama.cpp версии b4792; модель распространяется в рамках программы Community Models для LM Studio. Модель предназначена для широкого круга коммерческих и исследовательских задач генерации текста, включая диалоговое взаимодействие, следование инструкциям и вызов функций. Она поддерживает контекст длиной до 128 тысяч токенов, заявлена как многоязычная и обладает улучшенными возможностями instruction following и function calling. README не содержит сведений о точном размере модели, конкретной архитектуре, перечне поддерживаемых языков и типе квантизации. Для использования в LM Studio на указанную дату требуется Beta runtime. Лицензия в предоставленных данных не указана; модель может генерировать неточный, вредный или нежелательный контент.

benhaotang/phi4-qwq-sky-t1 — объединённая авторами модель на основе Phi-4-QwQ, Phi-4-llama-t1-full и адаптера Phi-4-llama-t1-lora. Она создана методом TIES с помощью mergekit; архитектура — плотная LlamaForCausalLM, размер — 14,1 млрд параметров. Модель предназначена для диалоговой генерации текста и пошаговых рассуждений, включая решение сложных задач. Контекст составляет 16 384 токена. В карточке автор сообщает, что модель, по его оценке, воспроизводит возможности QwQ на уровне 14B; приведены результаты Open LLM Leaderboard, включая среднее значение 30,78% и BBH 52,61%. Оценка IFEval затруднена из-за строгого формата системного промпта Sky-T1. Модель распространяется под лицензией MIT.

Kunhao/pile-7b-250b-tokens — языковая модель, опубликованная пользователем или организацией Kunhao на Hugging Face. Она предназначена для авторегрессионной генерации текста и совместима с Transformers, PyTorch, vLLM и SGLang. Карточка Hugging Face помечает её как Llama-модель и показывает использование через AutoModelForCausalLM и pipeline text-generation. По метаданным модель содержит около 5,9 млрд параметров и поддерживает контекст длиной до 4096 токенов. Её можно применять для продолжения текста, генерации ответов и локального или серверного инференса через совместимые инструменты. Мультимодальность и поддерживаемые естественные языки не установлены. Модельная карточка не содержит подробного описания назначения, оценок качества, данных обучения или рекомендаций по безопасному использованию; лицензия также не указана в доступных данных. Поэтому перед коммерческим применением необходимо отдельно проверить условия распространения и качество на целевых данных.

Pink Elephant 48B-S — разреженная языковая модель с архитектурой Mixture-of-Experts, разработанная Pink Elephant. В ней 47,7 млрд параметров, из которых на каждом токене активны около 14,66 млрд; используются 8 экспертов с маршрутизацией top-2. Модель создана на основе Pink Elephant 14B: плотную модель преобразовали в MoE, затем дообучили на примерах по программированию и математике и объединили обученные адаптеры с основными весами. Репозиторий содержит веса в формате safetensors; заявленная длина контекста — 16 384 токена. Модель предназначена для генерации текста, диалогов, написания и анализа кода, а также решения математических задач. В README приведены результаты HumanEval 70,12%, MATH-500 38,40%, GSM8K 68,5% и MMLU 60,0%; выборки GSM8K и MMLU для проверки были небольшими. Модель поддерживает английский язык. По данным карточки, лицензия — MIT. Для загрузки автор рекомендует Transformers и указывает trust_remote_code=True.

Pirouette-7b — текстовая генеративная модель на архитектуре Mistral, созданная автором репозитория ddh0 путём градиентного слияния SLERP моделей dolphin-2.1-mistral-7b и Noromaid-v0.1.1-13b. По замыслу автора, модель сохраняет основную часть возможностей Dolphin и добавляет некоторые особенности Noromaid. Модель предназначена для диалогов и выполнения инструкций в формате Alpaca. В карточке заявлена длина контекста 32 768 токенов; метаданные указывают 7,1 млрд параметров. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Playable1 — дообученная модель на архитектуре Qwen2, созданная на базе Qwen/Qwen2.5-Coder-7B-Instruct с адаптером iat-05-1. Это плотная причинная языковая модель с 7,1 млрд параметров, представленная в формате SafeTensors и рассчитанная на генерацию текста; базовая модель предназначена для работы с программным кодом. Модель поддерживает диалоговый режим и интерфейс вызова инструментов, а её контекст составляет 32 768 токенов. Модель можно применять для генерации и анализа кода, а также для диалоговых задач, связанных с программированием. Карточка не описывает отдельные возможности или качество, полученные благодаря адаптеру iat-05-1, поэтому нельзя точнее определить специализацию дообучения. Лицензия — Apache-2.0.

Pleias-3b-Preview — базовая языковая модель на 3,2 млрд параметров, разработанная Pleias и обученная с нуля на Common Corpus. Это плотный трансформер с архитектурой, близкой к Llama и GPT-NeoX, предназначенный для генерации продолжения текста. Модель обучена на открытых данных из общественного достояния или под разрешительными лицензиями; для обучения использовались Nanotron и вычислительные ресурсы Jean Zay при поддержке Etalab. Модель подходит для генерации и творческого письма на основных европейских языках, а также как основа для дообучения на задачах работы с документами, включая RAG, перевод и исправление ошибок OCR. В README заявлена поддержка английского, французского, испанского, немецкого, итальянского, нидерландского, польского, латинского и португальского; контекст составляет 4096 токенов. Новый токенизатор рассчитан на улучшенную обработку документов и многоязычие. Это ранний предварительный релиз базовой модели, которая умеет продолжать текстовые промпты и не прошла дополнительное выравнивание безопасности. Несмотря на заявленную низкую токсичность, возможны предвзятые, вредоносные или недостоверные ответы, в том числе из-за исторических текстов в данных. Лицензия — Apache-2.0; авторы заявляют, что модель не предназначена для воспроизведения защищённого авторским правом контента.