II.6Документация и сопровождение разработки

AceInstruct-1.5B — языковая модель NVIDIA для диалогов и выполнения инструкций, дообученная на базе Qwen2.5-1.5B-Base методом supervised fine-tuning. Она предназначена для генерации кода, решения математических задач и ответов на вопросы общего характера. Модель имеет плотную архитектуру Qwen2, содержит 1,5 млрд параметров и поддерживает контекст до 131 072 токенов; принимает и генерирует текст, в том числе в чат-сценариях. В приведённых в карточке тестах AceInstruct-1.5B показывает результаты выше Qwen2.5-1.5B-Instruct по отдельным задачам кодирования и математики. Это компактная модель общего назначения, поэтому качество может уступать более крупным моделям, а заявленные результаты бенчмарков не гарантируют точность в конкретном сценарии. Карточка указывает английский язык. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

ishikaa/acquisition_generator_AS_gradient_omnimath_qwen14b — текстовая генеративная модель, опубликованная на Hugging Face и доступная через библиотеку Transformers. README автоматически сгенерирован и не содержит сведений о разработчике, лицензии, исходной модели или обучающих данных. Модель предназначена для генерации текста и относится к семейству Qwen2 согласно метаданным. Она содержит около 14 млрд параметров и поддерживает контекст длиной до 32 768 токенов, что делает её пригодной для диалоговых сценариев, продолжения текста и генерации развернутых ответов при наличии совместимого программного окружения. Модель может быть полезна для прототипирования текстовых генераторов и conversational-приложений. В карточке отсутствуют результаты оценки, описание качества, сведения о языках, лицензии, ограничениях применения и рекомендациях по безопасному использованию, поэтому перед эксплуатацией необходимы собственные тесты и проверка условий распространения.

ishikaa/acquisition_student_random_numina_qwen14b — языковая модель для генерации текста, опубликованная на Hugging Face. Модель имеет 14 млрд параметров, относится к семейству Qwen2 и предназначена для запуска через библиотеку Transformers. В метаданных также указано, что она обучалась с применением supervised fine-tuning (SFT) и поддерживает conversational-сценарии. Модель может использоваться для диалоговой генерации, составления текстовых ответов, продолжения текста и интеграции в приложения на базе Transformers. Заявленная длина контекста составляет 32 768 токенов, что позволяет обрабатывать относительно длинные запросы и документы в рамках одного контекста. Разработчик, базовая модель, языки обучения, результаты оценки и условия лицензирования в доступной карточке не описаны. README также не содержит сведений о тренировочных данных, ограничениях безопасности, рекомендациях по применению или специализированных областях использования.

AlloyingotneoyInex12-7B — автоматическое слияние моделей, выполненное Maxime Labonne методом DARE-TIES. В конфигурации указаны nlpguy/AlloyIngotNeoY и MSL7/INEX12-7b; метаданные Hugging Face связывают модель с MSL7/INEX12-7b как с дообученной базовой моделью. Это плотная причинная языковая модель семейства Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста и контекст до 32 768 токенов. Модель подходит для генерации продолжений и диалоговых ответов на текстовые запросы. В карточке указана лицензия Apache-2.0. Сведения о конкретных языковых возможностях и сравнительной производительности не приведены.

GLM4-32B-Neon-v2-GGUF — это квантизированная версия языковой модели GLM4-32B-Neon-v2, разработанной allura-org и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и запуска в локальных приложениях, совместимых с llama.cpp, включая LM Studio. В карточке указана поддержка английского языка и лицензия MIT. Модель содержит 32 млрд параметров; доступны варианты от BF16 до различных форматов квантизации Q8, Q6, Q5, Q4, Q3 и IQ. Квантизация выполнена с использованием imatrix на базе llama.cpp release b5228. Старшие варианты обеспечивают более высокое качество, а младшие требуют меньше оперативной памяти, но могут заметно уступать по качеству. Для работы рекомендуется использовать указанный формат промпта с системным сообщением, пользовательским запросом и ответом ассистента. Это текстовая модель: сведения о поддержке изображений, аудио, других модальностей, размере контекста и архитектурных особенностях в README не приведены. Для запуска необходима совместимая инфраструктура llama.cpp и объём памяти, соответствующий выбранному файлу; размеры файлов варьируются примерно от 13,66 до 65,14 ГБ.

Arcade-3B — инструктивная языковая модель NoesisLab из проекта ARCADE, дообученная на базе HuggingFaceTB/SmolLM3-3B. Это плотная авторегрессионная модель на 3,1 млрд параметров для диалогов, следования инструкциям, генерации текста и рассуждений; заявленная длина контекста — 65 536 токенов. При обучении применялась SC-Orthogonal Training: регуляризация финального скрытого слоя, призванная разделять представления фактического содержания и структуры рассуждения. Модель ориентирована прежде всего на английский язык. Выпущена под лицензией Apache-2.0. Карточка описывает метод обучения и наборы данных, но не содержит завершённых результатов оценки качества, поэтому сравнительные преимущества модели по ней подтвердить нельзя.

Arco Reasoner v1.2 — компактная языковая модель семейства Llama, разработанная appvoid и дообученная на базе appvoid/arco. Она предназначена для генерации текста и диалогов; доступная карточка не описывает отдельные специализированные сценарии или методы рассуждения. Модель содержит 464,4 млн параметров, принимает текст и поддерживает контекст до 8192 токенов. В репозитории указаны веса PyTorch и лицензия Apache-2.0.

win10/ArliAI-RPMax-v1.3-merge-13.3B — языковая модель семейства Llama для генерации текста и диалогового общения. Она создана с помощью mergekit методом passthrough на основе win10/ArliAI-RPMax-v1.3-merge-8B; репозиторий содержит веса Safetensors и использует библиотеку Transformers. Модель насчитывает 12,7 млрд параметров и поддерживает контекст до 131 072 токенов. Модель подходит для ведения диалогов и генерации продолжений текста. Данные карточки не уточняют поддерживаемые естественные языки и конкретные предметные области. Лицензия в доступных сведениях не приведена.

Карточка модели ganesh714/arq_m1_chairs на Hugging Face совпадает с карточкой ganesh714/arq_m1_chairs_think_Q7b_C, поэтому описание составлено по ней. Модель ganesh714/arq_m1_chairs_think_Q7b_C — дообученная языковая модель семейства Qwen2 на базе unsloth/qwen2.5-coder-7b-instruct-bnb-4bit. Она построена на архитектуре Qwen2ForCausalLM и содержит 7,1 млрд параметров; модель предназначена для генерации текста в диалоговом формате и поддерживает интерфейс вызова инструментов. В README указано, что обучение выполнялось с Unsloth и библиотекой TRL. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. В метаданных указан английский язык. Лицензия — Apache-2.0. В карточке нет подробностей о специализации дообучения или оценках качества, поэтому пригодность для конкретных задач следует проверять на собственных примерах.

Модель ganesh714/arq_m1_chairs_think_Q7b_C — дообученная языковая модель семейства Qwen2 на базе unsloth/qwen2.5-coder-7b-instruct-bnb-4bit. Она построена на архитектуре Qwen2ForCausalLM и содержит 7,1 млрд параметров; модель предназначена для генерации текста в диалоговом формате и поддерживает интерфейс вызова инструментов. В README указано, что обучение выполнялось с Unsloth и библиотекой TRL. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. В метаданных указан английский язык. Лицензия — Apache-2.0. В карточке нет подробностей о специализации дообучения или оценках качества, поэтому пригодность для конкретных задач следует проверять на собственных примерах.

Это англоязычная чат-модель для генерации текста, созданная пользователем kobe-ja путём дообучения unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit. Модель относится к семейству Llama 3.1, использует плотную архитектуру LlamaForCausalLM и содержит около 7,5 млрд параметров. Модель подходит для диалогов и генерации ответов на английском языке. В метаданных заявлен контекст длиной до 131 072 токенов и интерфейс вызова инструментов. Карточка не описывает специализированную область применения или состав обучающих данных, поэтому её следует рассматривать как модель общего назначения. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Она унаследовала ограничения базовой модели и дообучения; карточка не приводит оценок качества или подробностей обучения.

Athene-Phi-3.5-mini-instruct-orpo-GGUF — это набор GGUF-квантизированных версий языковой модели Athene-Phi-3.5-mini-instruct-orpo, разработанной EpistemeAI и подготовленной квантизатором bartowski. Модель предназначена для генерации текста и выполнения инструкций в сценариях локального запуска, в том числе через llama.cpp и LM Studio. В репозитории представлены варианты от исходных весов F16 до квантизаций Q8_0, Q6, Q5, Q4, Q3 и IQ4 с размером файлов примерно от 1,88 до 7,64 ГБ. Для взаимодействия используется формат промпта с ролями system, user и assistant. Указан английский язык; сведения о количестве параметров, максимальном контексте, архитектурных деталях и поддержке других модальностей отсутствуют. К сильным сторонам относятся широкий выбор уровней квантизации, возможность подобрать баланс между качеством, размером и требованиями к памяти, а также специальные варианты Q4 для ARM и CPU-инференса. Более компактные версии могут уступать по качеству полноразмерным и менее агрессивно квантизированным вариантам. Модель распространяется по лицензии Apache-2.0.

Модель senaro/atlasv25-oss20b-bf16 разработана senaro и представляет собой дообученную языковую модель семейства gpt_oss с архитектурой MoE. Она основана на senaro/atlasv25-trm-gptoss-20b-unsloth; в карточке указано обучение с использованием Unsloth и библиотеки TRL. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Модель предназначена для генерации текста и диалогового общения; также заявлен интерфейс вызова инструментов. Контекстное окно составляет 131 072 токена. Метаданные указывают 1,6 млрд параметров, английский язык и задачу text-generation. Данных о специальных предметных областях или дополнительных модальностях нет.

Atom v1 Preview 12B — это языковая модель в формате GGUF, созданная на основе vanta-research/atom-v1-preview-12b. Данный репозиторий подготовлен mradermacher и содержит imatrix-квантизации для запуска в совместимых инструментах. Модель ориентирована на диалоговые сценарии, совместную работу, обучение, исследовательскую помощь, рассуждения и решение задач. README также указывает на поддержку изображений, однако файлы mmproj размещаются в отдельном статическом репозитории. Модель имеет размер около 12 млрд параметров и заявлена для английского языка. Доступны варианты квантизации от IQ1_S до Q6_K с размером файлов примерно от 3,0 до 9,8 ГБ. В README отмечается, что IQ-квантизации часто предпочтительнее аналогичных по размеру обычных вариантов; Q4_K_M обозначен как быстрый и рекомендуемый вариант, а Q4_K_S — как оптимальный по соотношению размера, скорости и качества. Более низкие уровни квантизации экономят память, но могут заметно снижать качество. Модель может быть полезна для локальных чат-ботов, образовательных приложений, исследовательских ассистентов и задач генерации текста с элементами рассуждения. Ограничения включают предварительный статус версии, зависимость качества от выбранной квантизации, отсутствие в README данных о длине контекста и подробных результатах оценки. Указана лицензия Gemma; условия её применения следует проверять по правилам лицензии базовой модели.

EpistemeAI/Audiogemma-3N-finetune — это дообученная разговорная мультимодальная модель на архитектуре Gemma 3n, основанная на unsloth/gemma-3n-e4b-it-unsloth-bnb-4bit. Она принимает изображения и текст и формирует текстовые ответы; карточка также описывает семейство Gemma 3n как способное работать с аудио и видео, но для этой версии такие входы отдельно не подтверждены. Gemma 3n использует выборочную активацию параметров для экономии ресурсов и рассчитана на эффективную работу на устройствах с ограниченными ресурсами. Модель подходит для диалоговых приложений, извлечения и пересказа информации с изображений, создания текстов и суммаризации. В метаданных указан английский язык и датасет kadirnar/Emilia-DE-B000000; README сообщает о многоязычном обучении семейства Gemma 3n на более чем 140 разговорных языках, но не подтверждает поддержку каждого языка именно этой донастройкой. Лицензия — Apache-2.0. Возможны фактические ошибки, предвзятость и затруднения с тонкими языковыми нюансами или сложными открытыми задачами; ответы требуют проверки, особенно в приложениях с высокими требованиями к точности.

Augmented-4dab026c0f536a32 — генеративная языковая модель с 6,6 млрд параметров, опубликованная на Hugging Face в формате, совместимом с библиотекой Transformers. В метаданных она отнесена к семейству Llama и предназначена для задачи text-generation. Модель поддерживает контекст длиной до 65 536 токенов, поэтому может применяться для генерации продолжений текста, диалоговых ответов, черновиков и других задач, требующих работы с большими фрагментами контекста. README не содержит сведений о разработчике, обучающих данных, результатах оценки, точном варианте архитектуры, языках поддержки или лицензии. Из-за неполноты карточки нельзя надежно оценить качество модели, ее специализацию и пригодность для конкретных прикладных сценариев. Перед использованием необходимы собственное тестирование, проверка поддерживаемых языков и уточнение условий лицензирования.

devmeta8/B — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом SLERP из cloudyu/Nemo-DPO-V20 и jic062/dpo-v3.0-Nemo-e3. Модель содержит 12,1 млрд параметров и предназначена для генерации текста в диалоговом режиме. Модель принимает текст и выдаёт текст. В метаданных указан контекст до 1 024 000 токенов. Она сохранена в формате Safetensors и использует библиотеку Transformers. В README приведена конфигурация объединения, в которой указана точность bfloat16. Карточка не сообщает о специализированных областях применения или поддерживаемых языках. Условия лицензирования и ограничения качества в доступных источниках не описаны.

Baichuan-7B — открытая предварительно обученная языковая модель компании Baichuan Intelligent Technology. Это плотная авторегрессионная модель на архитектуре Transformer с 6,7 млрд параметров по метаданным (в карточке указано около 7 млрд), обученная примерно на 1,2 трлн токенов. Она предназначена для генерации текста и последующего дообучения под прикладные задачи. Модель поддерживает китайский и английский языки, использует контекстное окно длиной 4096 токенов и включает rotary embeddings, SwiGLU и RMSNorm. Разработчик сообщает о результатах на китайских и англоязычных тестах, включая C-Eval и MMLU, и отмечает оптимизацию для китайского языка. Модель может применяться для генерации и продолжения текста, а также как основа для дообученных решений. Лицензия Baichuan-7B License допускает коммерческое использование согласно карточке модели. Возможны фактические ошибки и предвзятые, оскорбительные или непристойные ответы; для значимых решений выводы следует проверять.

jaspionjader/bbb-6 — слитая автором jaspionjader языковая модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она создана методом Model Stock с помощью mergekit на основе jaspionjader/kstc-5-8b, с включением моделей jaspionjader/bbb-5 и jaspionjader/kstc-4-8b. Модель предназначена для генерации текста и диалогового общения. Она принимает текстовые запросы и выдаёт текст; заявленная длина контекста — до 131 072 токенов. Модель распространяется в формате safetensors и рассчитана на запуск через Transformers. Карточка не содержит сведений о поддерживаемых естественных языках, специализированных областях или проверенных ограничениях качества. Лицензия в доступных данных не указана.

Beacon Qwen 2 7B Instruct — разговорная языковая модель семейства Qwen2, представленная в формате safetensors. README описывает Activation Beacon как подключаемый модуль для трансформерных LLM, предназначенный для эффективного сжатия длинного контекста; данных о том, как именно модуль связан с весами этой модели, нет. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и рассчитана на генерацию текста в чат-сценариях. В карточке указана лицензия MIT. README предупреждает, что превышение заданной длины контекста может привести к ошибкам или снижению производительности.

Beetle-FineWeb-2B/beetle-bilingual-l2-80-late-b5-fineweb-2b-nld-eng-seed13 — генеративная языковая модель из семейства Beetle-FineWeb-2B, доступная через библиотеку Transformers. По идентификатору модели она рассчитана примерно на 2 млрд параметров и ориентирована на двуязычную работу с нидерландским и английским языками; тег pico_decoder указывает на декодерную архитектуру. Модель предназначена для авторегрессионной генерации текста, включая продолжение и преобразование текстовых последовательностей в совместимых сценариях Transformers.

Beetle-FineWeb-2B/beetle-bilingual-l2-80-late-b5-fineweb-2b-nld-eng-seed97 — генеративная языковая модель для продолжения и создания текста. По идентификатору модели, она относится к семейству Beetle-FineWeb, имеет размер 2B и ориентирована на двуязычную работу с нидерландским и английским языками; в метаданных Hugging Face указана задача text-generation и библиотека Transformers. Суффикс pico_decoder также присутствует среди метаданных модели. Модель может использоваться для генерации продолжений текста, черновиков, ответов и других текстовых последовательностей на нидерландском и английском языках, включая сценарии прототипирования приложений на базе языковых моделей. Разработчик, точная архитектура, длина контекста, лицензия, состав обучающих данных, результаты оценки и рекомендации по безопасному применению в доступных материалах не описаны.

Это англоязычная модель BERT large от Google, дообученная командой Google на наборе SQuAD для ответов на вопросы по заданному контексту. Она возвращает фрагмент контекста в качестве ответа и подходит для систем поиска ответов по документам и текстам. Предварительное обучение использовало masked language modeling, предсказание следующего предложения и Whole Word Masking, при котором маскируются все части одного слова одновременно. Архитектура — 24-слойный BERT с размерностью скрытого представления 1024 и 16 головами внимания. В README указано 336 млн параметров, а метаданные каталога сообщают 433,9 млн; модель принимает последовательности длиной до 512 токенов. Она обучена для английского языка без различения регистра, на BookCorpus и англоязычной Wikipedia, а затем дообучена на SQuAD. Лицензия — Apache-2.0. Модель предназначена для извлечения ответов из предоставленного текста; она не генерирует свободный ответ и может ошибаться, если нужных сведений нет в контексте или формулировка вопроса отличается от примеров обучения. Для длинных документов контекст нужно разбивать на фрагменты, укладывающиеся в лимит модели.

BigQwen2.5-125B-Instruct-GGUF — это квантизированная GGUF-версия инструкционной языковой модели BigQwen2.5-125B-Instruct, разработанной mlabonne. Квантизацию выполнил bartowski с использованием llama.cpp и imatrix; модель предназначена для генерации текста и диалогового взаимодействия, включая локальный запуск через llama.cpp и LM Studio. В README указан английский язык. Модель имеет заявленный размер 125 миллиардов параметров и доступна в нескольких вариантах квантизации от Q8_0 до IQ1_M. Более качественные варианты Q6_K, Q5_K_M и Q4_K_M рекомендованы автором, тогда как низкобитные варианты требуют меньше памяти, но заметно уступают по качеству. Размер файлов составляет примерно от 40,59 до 133,22 ГБ, поэтому для запуска необходима система с большим объёмом оперативной или видеопамяти. Модель поддерживает специальный формат промптов Qwen с ролями system, user и assistant. Архитектура, размер контекста и мультимодальные возможности в README не указаны; по представленным данным это текстовая модель без подтверждённой поддержки изображений или других модальностей. Лицензия обозначена как other с названием tongyi-qianwen и ссылкой на лицензию Qwen2-72B-Instruct.

BigWeave v12 90B — языковая модель семейства Llama, созданная автором llmixer для генерации текста и диалогов. Это слияние DARE-TIES двух промежуточных слияний: Xwin-LM-70B-v0.1 с Euryale-1.3-70B и Platypus2-70B-Instruct с WinterGoddess-1.4x-70B. Модель содержит 87,5 млрд параметров, использует формат safetensors и рассчитана на контекст до 4096 токенов. Модель предназначена для диалогов и генерации ответов в форматах запросов Vicuna и Alpaca. В карточке приведены результаты тестов на нескольких языковых и логических наборах; автор сообщает, что объединённая модель показала меньшую perplexity, чем исходные модели. Размер 90B позволяет запускать 4-битные квантизованные варианты на GPU с 48 ГБ видеопамяти, но это относится к квантизованным вариантам, а не к опубликованным весам safetensors. Лицензия — Llama 2; применимость её условий следует проверять перед использованием.

Bitnet-Mistral-3-and4-slerp — объединённая модель для генерации текста, созданная с помощью LazyMergekit из liminerity/Bitnet-Mistral.0.2-v3 и liminerity/Bitnet-Mistral.0.2-v4. В конфигурации указано слияние методом SLERP; архитектура — плотная MistralForCausalLM, веса представлены в формате Safetensors. Модель предназначена для генерации текста в сценариях, где требуется продолжение запроса или создание текстового ответа. Размер по метаданным — 23,9 млн параметров, длина контекста — 4096 токенов. Данные не уточняют поддерживаемые естественные языки или специализированные области применения. Лицензия в предоставленных источниках не указана.

BlackSheep-5B — плотная авторегрессионная языковая модель семейства Llama, созданная TroyDoesAI с помощью слияния SLERP через mergekit. В объединении использованы TroyDoesAI/Llama-3.2-4B и TroyDoesAI/BlackSheep-RAG-4B; базовой моделью в конфигурации указана TroyDoesAI/Llama-3.2-4B. В репозитории представлены веса safetensors, библиотека для работы — Transformers. Модель предназначена для генерации текста и диалогового взаимодействия; интерфейс также предусматривает вызов инструментов. Размер модели — 4,6 млрд параметров, заявленная длина контекста — 131 072 токена. Карточка не описывает конкретные языки, качество на отдельных задачах или условия лицензии, поэтому их нельзя установить по доступным данным.

Bruphin Beta — объединённая языковая модель, созданная nbeerbower с помощью SLERP-смешивания cognitivecomputations/dolphin-2.6-mistral-7b-dpo-laser и rwitz/go-bruins-v2. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров, предназначенная для генерации текста. Контекст составляет до 32 768 токенов; модель распространяется в формате Safetensors. Модель можно применять для генерации продолжений текста и ответов на запросы на естественном языке. В карточке не приведены сведения о языках, целевых сценариях или результатах оценки качества, поэтому их нельзя уточнить. Лицензия — Apache-2.0.

Это GGUF-квантизированная версия языковой модели CohereForAI/c4ai-command-r-plus-08-2024, подготовленная пользователем legraphista с использованием llama.cpp и метода IMatrix. Модель предназначена для генерации текста и диалогового взаимодействия, включая локальный запуск через совместимые инструменты llama.cpp. Доступны варианты с разными уровнями квантования — от 16-битного FP16 до 1–8-битных форматов, включая Q4_K, Q3_K и Q2_K; часть вариантов использует IMatrix для улучшения качества при уменьшенном размере. Заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, японского, корейского, китайского и арабского языков. К сильным сторонам относятся широкий выбор квантованных вариантов, возможность локального использования и компромисс между качеством, размером файлов и требованиями к памяти. При этом README не содержит сведений о точной архитектуре, числе параметров, размере контекста и результатах оценки, а низкие уровни квантования могут снижать качество по сравнению с исходной FP16-моделью. Распространение осуществляется по лицензии CC-BY-NC-4.0, допускающей использование с ограничениями, включая некоммерческий характер лицензии.

MaziyarPanahi/calme-2.2-phi3-4b — языковая модель Maziyar Panahi, дообученная методом DPO на microsoft/Phi-3-mini-4k-instruct. Она предназначена для диалогов и генерации текста, включая ответы на инструкции; карточка приводит результаты оценивания на наборах IFEval, BBH, AI2 Reasoning Challenge и HellaSwag. Модель использует плотную архитектуру Phi-3 с 3,7 млрд параметров и контекстом до 4096 токенов, работает с библиотекой Transformers и форматом safetensors. Для диалогов применяется шаблон ChatML. Модель принимает текст и генерирует текст. В карточке указан английский язык; метаданные также отмечают возможности чата и генерации кода, но отдельная специализация на коде не заявлена. Распространяется по лицензии MIT.