II.6Документация и сопровождение разработки

Stable Beluga 1 Delta — дельта-веса языковой модели Stability AI, полученной дообучением LLaMA 65B на внутреннем наборе данных в стиле Orca. Это авторегрессионная плотная модель семейства LLaMA с 65 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия по промптам в формате, похожем на Alpaca. В карточке указана поддержка английского языка; модель рассчитана на контекст до 2048 токенов и работает с библиотекой HuggingFace Transformers. Репозиторий содержит только дельта-веса: для восстановления полной модели их нужно применить к исходным весам LLaMA 65B. Модель подходит для ответов на вопросы, следования инструкциям и ведения диалога на английском языке. Возможны неточные, предвзятые или нежелательные ответы; перед внедрением рекомендуется проверять безопасность для целевого сценария. Лицензия — CC BY-NC 4.0, некоммерческое использование.

Jan Stealth v1.2 — диалоговая языковая модель семейства Mistral с плотной архитектурой и примерно 7,1 млрд параметров. Она предназначена для генерации текста в формате чата и может запускаться через Jan Desktop на macOS, Windows и Linux. Карточка указывает шаблон запросов ChatML; контекст модели составляет 32 768 токенов, а язык, отмеченный в метаданных, — английский. В карточке приведены результаты Open LLM Leaderboard, включая среднюю оценку 70,68, результат 66,38 на AI2 Reasoning Challenge и 86,14 на HellaSwag. Модель распространяется по лицензии Apache-2.0. Подробности обучения и практические ограничения в карточке не описаны.

Jan-HQ Stealth v2 — языковая модель семейства Mixtral, опубликованная Jan-HQ. Она предназначена для генерации текста и диалогового использования через шаблон ChatML; модель можно запускать в Jan Desktop на macOS, Windows и Linux. В карточке приведены результаты оценивания на бенчмарках AI2 Reasoning Challenge и HellaSwag. Модель содержит 7,1 млрд параметров, использует архитектуру Mixtral MoE и поддерживает контекст до 32 768 токенов. В метаданных указан английский язык, формат весов Safetensors и лицензия Apache-2.0. README не раскрывает подробности обучения и не описывает конкретную специализацию модели.

StopCarbon-10.7B-v5 — разговорная языковая модель семейства Llama от kekmodel, предназначенная для генерации текста в формате диалога. Модель имеет плотную архитектуру LlamaForCausalLM и около 10,6 млрд параметров; её контекст составляет 4096 токенов. Репозиторий содержит веса в формате Safetensors. Модель можно использовать для диалоговых ответов и генерации текста по запросу пользователя, оформляя вход по шаблону с ролями User и Assistant. В карточке указана лицензия CC BY-NC-SA 4.0, предусматривающая указание авторства, распространение производных работ на тех же условиях и ограничения на коммерческое использование.

StrangeMerges_41-7B-dare_ties — объединённая языковая модель на архитектуре Mistral, созданная Gille с помощью LazyMergekit и метода dare_ties. В слияние вошли Weyaxi/Einstein-v4-7B, rwitz/experiment26-truthy-iter-0 и kaist-ai/mistral-orpo-beta; в настройке указаны веса 0,3, 0,2 и 0,5 соответственно и плотность 0,8. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и может применяться в диалогах, ответах на вопросы и следовании инструкциям — такие сценарии свойственны входящей в слияние Einstein-v4-7B. Карточка не приводит отдельных оценок качества или подробных результатов тестирования. Лицензия — Apache-2.0.

StrangeMerges_47-7B-dare_ties — объединённая модель для генерации диалогового текста, созданная Gille с помощью LazyMergekit. В README указано слияние трёх моделей методом dare_ties: Gille/StrangeMerges_46-7B-dare_ties, AurelPx/Percival_01-7b-slerp и kaist-ai/mistral-orpo-beta; в конфигурации также указан kettleguts/zephyr-7b-beta_sparse05. Метаданные определяют архитектуру как плотную MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалоговой генерации текста и следования инструкциям. README приводит результаты оценки на AI2 Reasoning Challenge и HellaSwag, но не описывает отдельные специализированные сценарии или языковое покрытие. Модель опубликована в формате safetensors под лицензией Apache-2.0.

StrangeMerges_50-7B-slerp — текстовая генеративная модель, созданная Gille путём слияния liminerity/M7-7b и Gille/StrangeMerges_49-7B-dare_ties с помощью LazyMergekit. Для объединения использован метод SLERP с настройками, меняющими вклад моделей по слоям и компонентам self-attention и MLP. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она предназначена для генерации текста и диалога, принимает текст и выдаёт текст. Заявленная длина контекста — 32 768 токенов. В README приведены результаты на тестах AI2 Reasoning Challenge и HellaSwag. Модель распространяется в формате safetensors по лицензии Apache-2.0. README не уточняет поддерживаемые естественные языки и конкретные сценарии применения; результаты тестов сами по себе не гарантируют качество на других задачах.

StripedHyena-Nous-7B — чат-модель для генерации текста, разработанная Together Research совместно с Nous Research. Она предназначена для диалога и ответов на инструкции в формате «Instruction/Response», а также для работы с длинными запросами. Модель содержит 8,7 млрд параметров и использует гибридную архитектуру StripedHyena: сгруппированное многоголовое внимание и управляемые свёртки в блоках Hyena. Она обучалась на последовательностях длиной до 32 тысяч токенов. Авторы заявляют о низкой задержке и высокой пропускной способности относительно Transformer-моделей сопоставимого размера. Модель работает с текстом и ориентирована на английский язык. Для запуска вне демонстрационной площадки требуются пользовательские ядра; при работе с длинными запросами или обучении компоненты poles и residues следует хранить в точности float32. Лицензия — Apache-2.0.

StructuredThinker-v0.2-MoreStructure — объединённая автором Ahdoot языковая модель для генерации текста и диалогового взаимодействия. Она создана методом DARE TIES с помощью mergekit на основе Qwen/Qwen2.5-3B-Instruct с включением prithivMLmods/QwQ-LCoT-3B-Instruct и PowerInfer/SmallThinker-3B-Preview. Модель имеет плотную архитектуру Qwen2 с 3,1 млрд параметров, рассчитана на контекст до 32 768 токенов и распространяется в формате safetensors для библиотеки Transformers. Модель предназначена для диалогов, следования инструкциям и генерации структурированных ответов; интерфейс также предусматривает вызов инструментов. Карточка не сообщает отдельные результаты оценки качества или список поддерживаемых языков. Лицензия в предоставленных данных не указана.

StructuredThinker-v0.3-MoreStructure — объединённая разговорная языковая модель семейства Qwen2, созданная автором репозитория Ahdoot с помощью mergekit и метода DARE TIES. В качестве базовой модели использована Qwen/Qwen2.5-3B-Instruct; в объединение также вошли PowerInfer/SmallThinker-3B-Preview и prithivMLmods/QwQ-LCoT-3B-Instruct. Модель содержит 3,1 млрд параметров, работает с текстом и имеет контекстное окно 32 768 токенов. Модель предназначена для генерации текста и диалогов, в том числе для структурированных ответов. Метаданные отмечают интерфейс вызова инструментов, но README не описывает его поведение или качество. Модель доступна в формате safetensors для библиотеки Transformers. Лицензия в предоставленных данных не указана.

MaziyarPanahi/supermario-slerp-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral, созданная методом SLERP из mistralai/Mistral-7B-Instruct-v0.1 и jan-hq/supermario-slerp. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в ответ на инструкции и диалоговые запросы; поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В метаданных указан английский язык. Файлы представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0.

vanillaOVO/supermario_v2 — объединённая предварительно обученная языковая модель, созданная с помощью DARE и mergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; для работы доступны веса safetensors и загрузка через Transformers. Модель предназначена для генерации текста и может использоваться в приложениях, которым нужны ответы на запросы и продолжение текста. README сообщает о слиянии моделей, но не раскрывает состав слияния, целевые сценарии или языки обучения, поэтому нельзя приписать ей специализированные возможности или основной язык. Лицензия — Apache-2.0.

vanillaOVO/supermario_v3 — объединённая предобученная языковая модель, созданная с помощью DARE и mergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; для загрузки используется Transformers.

Surge-V1.1-2x0.8B — компактная разреженная модель класса Mixture-of-Experts от Junhauwong, представленная как модель для локального инференса. По карточке она использует два специализированных экспертных пути по 0,8 млрд параметров; метаданные указывают семейство Qwen3.5 MoE и архитектуру для генерации текста. Модель поддерживает диалоговый режим и предназначена для рассуждений, программирования, математических задач и сценариев с подключёнными инструментами. Её можно применять для пошаговых объяснений, планирования, написания и отладки кода, решения арифметических и алгебраических задач, а также автоматизации через внешние API и другие инструменты. В карточке приведён пример запуска через Transformers; лицензия в метаданных — Apache-2.0. Автор отмечает компактность модели и возможность локального запуска, но не приводит подтверждённых результатов бенчмарков.

SUS-Chat-34B — двуязычная диалоговая модель на 33,9 млрд параметров, совместно выпущенная Южным университетом науки и технологий и IDEA-CCNL. Это плотная модель семейства LLaMA, дообученная на базе 01-ai/Yi-34B на высококачественных инструкциях; веса доступны в формате PyTorch по лицензии Apache-2.0. Модель предназначена для диалогов и следования инструкциям на китайском и английском языках, включая многошаговые запросы, математику, рассуждения и задачи общего назначения. Контекстное окно составляет 8192 токена; карточка сообщает о специальном обучении для многоходовых диалогов и работы с длинным контекстом. Разработчики приводят результаты тестов на задачах знаний, рассуждений и здравого смысла, однако модель прошла только supervised fine-tuning и не обучалась на человеческих предпочтениях. Поэтому ответы могут содержать галлюцинации и ошибки, а качество зависит от настроек генерации.

Symbol-LLM-8B-Instruct — диалоговая языковая модель семейства Llama, представленная авторами проекта Symbol-LLM. Это плотная модель примерно на 7,5 млрд параметров для генерации текста в формате инструктивного диалога; проект посвящён символьному интерфейсу для больших языковых моделей. Модель принимает текст и выдаёт текст, а её контекст составляет 8192 токена. Модель подходит для диалоговых ответов и генерации текста по инструкциям. В репозитории указаны веса PyTorch, а лицензия — Apache-2.0. README не приводит сведения о поддерживаемых естественных языках и специализированных областях применения.

SynapseLLM 7B Mistral v0.4 Preview3 — языковая модель WebraftAI, дообученная на Mistral-7B-v0.1. Это плотный декодерный трансформер с 7,1 млрд параметров и контекстом до 32 768 токенов; веса доступны в формате safetensors для Transformers. Модель принимает текст и генерирует текст, поддерживает диалоговый формат Mistral Instruct и ориентирована на английский язык. Модель предназначена для ответов на вопросы, математических инструкций и генерации кода, включая Python. Дообучение выполнено на ограниченном наборе данных из 770 тысяч примеров с помощью QLoRA; опубликованная модель объединена с обученными адаптерами. Разработчик предупреждает, что ответы могут содержать фактические ошибки, модель может не следовать системным инструкциям и иногда ошибочно представляться как GPT. Лицензия — Apache 2.0.

Synatra-V0.1-7B-Instruct-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная слиянием Mistral-7B-Instruct-v0.2 и Synatra-V0.1-7B-Instruct методом SLERP. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров; поддерживает контекст до 32 768 токенов и работает с текстом в формате диалога. Модель предназначена для генерации ответов на инструкции и ведения диалога. Её можно применять для чат-ботов, черновиков текстов и ответов на вопросы в текстовом интерфейсе. В README приведены конфигурация слияния и использованные модели; сведения о языковом покрытии и специализированных областях применения отсутствуют. Лицензия — Apache-2.0.

T3qm7xNeuralsirkrishna_Experiment26Experiment24 — объединённая автором репозитория модель Mistral с 7,1 млрд параметров для генерации текста и диалогов. Она принимает текст и выдаёт текст; длина контекста составляет до 32 768 токенов. Модель объединяет automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment26Experiment24-7B. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает специализированные сценарии, набор поддерживаемых языков или результаты оценки качества.

T3qm7xNeuralsirkrishna_Experiment27Pastiche — объединённая модель генерации текста на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment27Pastiche-7B и предназначена для генерации текста и диалоговых ответов на основе входного текста. Модель принимает контекст длиной до 32 768 токенов и распространяется в формате safetensors по лицензии Apache-2.0. Данных о целевых языках и специальных областях применения нет.

T3qm7xNeuralsirkrishna_Experiment28Experiment24 — объединённая языковая модель на архитектуре Mistral, созданная из automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment28Experiment24-7B. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов по текстовым запросам. Она доступна по лицензии Apache-2.0. Сведения о специальной предметной настройке или дополнительных возможностях в карточке не приведены.

Google T5 Version 1.1 LM-Adapted — предварительно обученная языковая модель архитектуры T5 для преобразования текста в текст. Версия Base содержит 123,8 млн параметров и доступна в форматах PyTorch и TensorFlow. Она основана на T5 Version 1.1 Base и дополнительно обучена 100 тысяч шагов на языковой моделирующей цели; предобучение использовало корпус C4 и задачи восстановления текста и языкового моделирования. Вариант LM-Adapted разработан для улучшения пригодности модели к prompt tuning. Модель предназначена для последующей настройки под прикладные задачи NLP, включая суммаризацию, ответы на вопросы и классификацию текста. Она принимает текст и генерирует текст; основным языком карточки указан английский. Предобучение отключало dropout, поэтому при дообучении README рекомендует включать его. Лицензия — Apache 2.0.

taraV2-M16B — языковая модель Gragroo на архитектуре Llama с плотной архитектурой и 3,2 млрд параметров. Это дообученная версия Gragroo/runpodV1-merged_16bit; при обучении использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста и диалогового общения, а метаданные также отмечают интерфейс вызова инструментов. Заявленная длина контекста составляет 131 072 токена. В карточке указаны английский язык и формат весов safetensors. Модель распространяется по лицензии Apache-2.0. Данных о конкретной специализации или результатах оценки качества карточка не содержит.

Terminal-16k-top80 — диалоговая языковая модель на архитектуре Qwen3, дообученная автором cuong1692001 на наборе nemotron_complete_top_80_16k. Она предназначена для генерации текста в формате диалога; репозиторий использует Transformers и содержит веса safetensors. Модель насчитывает 7,6 млрд параметров и поддерживает контекст до 40 960 токенов. Модель является дообучением cuong1692001/Terminal_complete_8k. Лицензия указана как other, поэтому конкретные условия использования следует сверить с карточкой модели и лицензией базовой модели. README не описывает результаты оценки или специальные ограничения применения.

Terminal-complete8k — дообученная модель на 7,6 млрд параметров на базе Qwen/Qwen3-8B, созданная автором cuong1692001 с использованием набора данных qwen_data_complete. Это диалоговая языковая модель для генерации текста; метаданные указывают архитектуру Qwen3ForCausalLM и контекст до 40 960 токенов. Подходит для диалогов и других задач генерации текста на поддерживаемых базовой моделью языках. Карточка не описывает состав обучающих данных, результаты оценки или особые ограничения этой версии. Модель распространяется в формате safetensors; лицензия указана как other, поэтому условия использования следует уточнить на странице репозитория.

Terminus-Qwen3-8b-i1-GGUF — это квантизированная версия языковой модели Terminus-Qwen3-8b, разработанной OrionLLM и преобразованной в формат GGUF пользователем mradermacher. Модель обучалась на наборе данных OrionLLM/OpenAgentInstruct и ориентирована на генерацию текста, агентские сценарии, рассуждения, работу с терминалом и задачи, связанные с разработкой программного обеспечения, включая SWE-bench. Модель относится к текстовым Transformer-моделям и содержит около 8 млрд параметров. В README указан английский язык, поддержка мультимодальности и размер контекстного окна не заявлены. Репозиторий предоставляет варианты квантизации i1 от IQ1_S до Q6_K с размером файлов примерно от 2,2 до 6,8 ГБ. Квантизация позволяет запускать модель с меньшими требованиями к памяти; при этом низкие уровни квантизации могут заметно снижать качество. В качестве компромисса между размером, скоростью и качеством рекомендован вариант i1-Q4_K_M. Модель подходит для локального запуска в совместимых инструментах, поддерживающих GGUF, особенно для текстовых ассистентов и агентских рабочих процессов. Ограничениями являются заявленная ориентация на английский язык, отсутствие сведений о контекстном окне и неравномерное качество разных вариантов квантизации. Указанная лицензия — Apache-2.0.

TERNARY-BONSAI-2-27B-DERISKED-GGUF — мультимодальная производная модель семейства TERNARY BONSAI, выпущенная Blackfrost AI на основе prism-ml/Ternary-Bonsai-2-27B-gguf и в конечном счёте Qwen/Qwen3.8-27B. Модель предназначена для диалоговых сценариев и работы с текстом, а при загрузке соответствующего мультимодального проектора также поддерживает входные изображения. Доступна через llama.cpp и совместимый с OpenAI API интерфейс. В релиз входят две языковые версии: высокоточная BF16 и компактная нативная тернарная PQ2_0 с групповой FP16-масштабизацией. Архитектура описана как гибридная causal language model на базе Qwen3.8, примерно на 27,36 млрд параметров и с 64 трансформерными блоками. Заявленное upstream-окно контекста составляет 262 144 токена, однако для данного релиза валидировано только 32 768 токенов; также проверена работа с одним параллельным потоком генерации. Для изображений используются отдельные проекторы BF16 или Q8_0, соответствующие языковой версии. BF16-вариант ориентирован на качество и точность, тогда как PQ2_0 существенно компактнее и демонстрирует более высокую наблюдаемую скорость декодирования в заявленной конфигурации. Обе версии прошли проверку связности оператором и HITL, а PQ2_0 указан как принятый компактный кандидат без зацикливания. При этом комплексные тесты программирования, безопасности, длинного контекста и мультимодальности ещё не опубликованы, оценка отказов находится в ожидании, а приведённые скорости не являются гарантией производительности. Процесс поведенческой модификации является проприетарным и не распространяется. Лицензия Apache-2.0 унаследована от непосредственной родительской модели.

Ternary-Bonsai-27B-antidoom-DSpark — текстовая генеративная модель, разработанная на основе prism-ml/Ternary-Bonsai-27B и доработанная Danny-Dasilva с применением antidoom и DSpark. Она предназначена для локальной генерации текста, включая программный код, с запуском через специализированный форк llama.cpp и CUDA-ядра для гибридного внимания. Модель ориентирована на сценарии, где важны компактность, высокая скорость вывода и устойчивость к зацикливанию на повторяющихся фрагментах. В основе лежит гибридная attention-архитектура Qwen3.5-27B с тернарной 2-битной квантизацией Q2_0, плотностью около 2,125 бит на вес и контекстом до 16 384 токенов в приведённой конфигурации. Указан английский язык. В комплект входят основная модель размером около 7 ГБ, DSpark-драфтер в формате Q4_1 для speculative decoding и vision projector Q8_0, что указывает на поддержку мультимодального сценария через проектор, хотя подробности о визуальных возможностях не приведены. К сильным сторонам относятся малый размер, высокая скорость на RTX 5090 и ускорение speculative decoding: в описанном тесте скорость выросла с 129,2 до 184,6 токена в секунду. Antidoom-настройка снижает склонность к продолжению уже начавшихся повторов, однако её эффект частично ослабляется агрессивной 2-битной квантизацией. Скорость DSpark зависит от характера запроса и может снижаться на задачах с низкой долей принятых черновых токенов; для работы требуется совместимый форк llama.cpp и подходящее CUDA-оборудование. Модель распространяется по лицензии Apache-2.0.

WonseokJayJung/test-gguf-final — компактная языковая модель для генерации текста, полученная слиянием Qwen/Qwen2.5-0.5B и Qwen/Qwen2.5-0.5B-Instruct методом SLERP с помощью mergekit. Это плотная авторегрессионная архитектура Qwen2 с примерно 494 млн параметров и контекстом до 32 768 токенов. Модель предназначена для диалогов, выполнения инструкций и генерации текста. В репозитории доступны веса GGUF в формате F16 и safetensors; метаданные указывают библиотеку Transformers и интерфейс для вызова инструментов. Лицензия в предоставленных данных не указана.

TextSynth-4B-0926 — разговорная языковая модель, разработанная theprint на основе unsloth/qwen3-4b-instruct-2507-unsloth-bnb-4bit. Это плотная модель архитектуры Qwen3 с 3,7 млрд параметров, дообученная для генерации текста и диалогов; в метаданных также указана возможность работы с интерфейсом вызова инструментов. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно до 262 144 токенов. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL на датасете theprint/Hemispheres-v0.3-Combo-GPT. Подходит для диалоговых приложений и генерации ответов на английском языке. Репозиторий содержит веса safetensors; лицензия — Apache-2.0.