II.6Документация и сопровождение разработки

Это дообученная модель KKHYA на 1,7 млрд параметров, созданная на основе KKHYA/llavaqwen3-1.7b-finetune. Она предназначена для генерации текста и диалогов; в метаданных также заявлен интерфейс вызова инструментов. Модель использует архитектуру AdapterMoELLaVAQwen3ForCausalLM и принимает текст, выдавая текст. Контекстное окно составляет 40 960 токенов. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. README не сообщает о датасете, оценках качества или специальных областях применения. Описание базовой модели связывает её с семейством Qwen3; сведений о языковой специализации этой модели нет.

Это дообученная версия KKHYA/llavaqwen3-1.7b-finetune, разработанная KKHYA. Модель с архитектурой NMMaskMoELLaVAQwen3ForCausalLM содержит 1,7 млрд параметров и предназначена для генерации текста и диалогов. Метаданные указывают на интерфейс вызова инструментов; контекст — до 40 960 токенов. Модель работает через Transformers, веса доступны в форматах PyTorch и safetensors. Она основана на дообученной модели Qwen3, но датасет и дополнительные сведения о сценариях обучения в карточке не раскрыты. Лицензия — Apache-2.0.

KnutJaegersberg/LLongMA-3b-LIMA — языковая модель для генерации текста на базе архитектуры Llama. В карточке приведён пример формата Instruction/Response и результаты оценки на Open LLM Leaderboard. Модель содержит 3,3 млрд параметров, принимает контекст длиной до 8192 токенов и распространяется в формате PyTorch. Модель подходит для генерации ответов на инструкции и общих текстовых запросов. В таблице оценки указаны результаты ARC и HellaSwag; подробные показатели остальных тестов в доступном фрагменте карточки не приведены. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

LlongOrca 13B 16K — большая языковая модель Open-Orca, представленная в формате GGUF и квантованная TheBloke. Она основана на архитектуре Llama и предназначена для генерации текста, диалоговых сценариев и локального запуска через совместимые приложения и библиотеки. В описании указана поддержка английского языка, а исходный набор данных — OpenOrca. Модель имеет 13 млрд параметров и контекстное окно до 16K токенов. GGUF поддерживает метаданные, специальные токены и расширяемость; доступны варианты квантования от 2 до 8 бит, что позволяет выбирать компромисс между качеством, скоростью и потреблением памяти. Модель совместима с llama.cpp, text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и другими инструментами для CPU+GPU-инференса. Для диалогов указан шаблон ChatML. К сильным сторонам относятся увеличенный контекст и возможность локального запуска на широком спектре аппаратных конфигураций благодаря квантованным версиям. Ограничения включают зависимость качества и требований к памяти от выбранного уровня квантования, а также отсутствие в README подробных результатов тестирования и характеристик мультиязычности. Для использования заявлена лицензия llama2; поскольку модель основана на Llama 2, также применяются условия лицензии Meta Llama 2. Вопросы о взаимодействии этих лицензий рекомендуется уточнять в репозитории исходной модели.

Lobotollama 6.5B — разговорная языковая модель на архитектуре Llama, созданная с помощью слияния методом passthrough и сокращения числа слоёв базовой модели Meta-Llama-3-8B-Instruct с 32 до 26. Модель содержит 6,2 млрд параметров, принимает текст и генерирует текст; поддерживает диалоговый режим. Контекстное окно составляет 8192 токена. Модель предназначена для генерации ответов в диалоге и других сценариев текстовой генерации. В репозитории доступны форматы GGUF и Safetensors. В README лицензия не указана, поэтому условия использования по имеющимся данным определить нельзя.

LongRAG_Llama3.1-8B-Instruct — плотная причинно-языковая модель семейства Llama, дообученная Bui1dMySea на базе meta-llama/Llama-3.1-8B-Instruct с использованием набора LRGinstruction. Модель предназначена для диалогового взаимодействия и генерации текста; заявленная длина контекста составляет 131072 токена, размер — около 7,5 млрд параметров. В карточке приведён результат оценки на тестовом наборе: loss 0,6885. Подробности о предназначении набора данных, методике оценки и ограничениях не раскрыты. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Лицензия указана как other, поэтому конкретные условия использования следует уточнить в репозитории модели и базовой модели.

LongReward-glm4-9b-DPO — чат-модель на архитектуре GLM, разработанная командой LongReward и дообученная методом DPO для работы с длинным контекстом. Она предназначена для генерации ответов и диалога, в том числе с использованием интерфейса вызова инструментов. Модель обучена на предпочтениях из раздела dpo_glm4_9b датасета LongReward-10k и поддерживает контекст до 65 536 токенов. Модель содержит 8,8 млрд параметров, использует библиотеку Transformers и опубликована в формате safetensors. В карточке указаны английский и китайский языки. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией в репозитории. Данных о качестве на конкретных задачах в карточке нет.

google/long-t5-tglobal-base — базовая модель Google Research семейства LongT5, предварительно обученная на английском языке. Это плотный encoder-decoder Transformer с архитектурой LongT5ForConditionalGeneration и механизмом transient-global attention, расширяющим T5 для эффективной работы с длинными последовательностями. Модель содержит 123,8 млн параметров; доступны версии PyTorch и Flax, лицензия Apache-2.0. Модель обучена в генеративном текстовом формате с восстановлением текста и предназначена прежде всего для дообучения на размеченных данных. После дообучения она подходит для суммаризации и ответов на вопросы по длинным документам; карточка описывает обработку входов длиной до 16 384 токенов. В предоставленных метаданных указан контекст 4096 токенов, поэтому фактический предел зависит от конфигурации и реализации. Сильная сторона LongT5 — эффективная обработка длинных текстов с помощью разреженных схем внимания. Это базовый чекпойнт, а не готовая специализированная модель, поэтому качество на конкретной задаче требует дообучения. Использование разрешено по лицензии Apache-2.0.

Lostbel0/losty-v4-merged-2 — языковая модель для генерации текста, опубликованная на Hugging Face и предназначенная для использования через библиотеку Transformers. В метаданных модель связана с архитектурой Llama и имеет около 7,5 млрд параметров; сведения о разработчике, базовой модели, обучающих данных и лицензии отсутствуют. Модель подходит для генерации и продолжения текста, диалоговых сценариев и интеграции в приложения на базе Transformers. Заявленная длина контекста составляет 131 072 токена, однако поддерживаемые естественные языки в доступных данных не указаны. Карточка не содержит результатов оценки, описания обучения, рекомендаций по применению или подробностей о рисках. Поэтому качество, фактическая точность, устойчивость к вредным или предвзятым ответам и пригодность для критически важных задач требуют самостоятельного тестирования; условия лицензии также необходимо уточнить перед использованием.

Loxa-3B — языковая модель семейства Loxa от AIFRAME, созданная для генерации текста на маломощных CPU, включая Raspberry Pi 4 и 5 с объёмом памяти от 8 ГБ. Это плотная причинная модель архитектуры LlamaForCausalLM размером 3,2 млрд параметров с контекстом до 131 072 токенов; для работы используется библиотека Transformers и формат PyTorch. Модель предназначена для диалога и помощи в математике, программировании, науке и формальных беседах, а также для образовательных и персональных проектов и встраиваемых систем. Карточка заявляет общую точность 92%, но не приводит методику или набор оценки. Модель может выдавать ошибочные или бессвязные ответы, а качество зависит от сложности и длины запроса; её не следует без проверки использовать в критически важных задачах. Лицензия — Apache-2.0.

Undi95/Lumimaid-Magnum-12B — объединённая диалоговая модель, созданная автором репозитория на основе Lumimaid и Magnum с помощью метода DELLA в mergekit. В состав смеси также включено дообучение Nemo только на входных данных Claude; шаблон общения — Mistral с маркерами [INST] и [/INST]. Модель имеет плотную архитектуру MistralForCausalLM, содержит 12,1 млрд параметров и предназначена для генерации текста в диалоге. В метаданных указан контекст до 1 024 000 токенов, однако README сообщает, что добавленное дообучение проводилось на контексте 16 тыс. токенов, поэтому фактическое качество на длинном контексте из этих данных не следует. Репозиторий использует формат safetensors и библиотеку Transformers. Сведения о лицензии и конкретных ограничениях применения в предоставленных данных отсутствуют.

LYRA-DEEP — компактная разговорная языковая модель, разработанная и поддерживаемая Muhammad Taqi. В метаданных Hugging Face указаны архитектура Qwen2, плотная causal language model Qwen2ForCausalLM и 1,5 млрд параметров; карточка модели описывает её как быстрый движок для диалога и рассуждений. Модель принимает текст и генерирует текст, поддерживает интерфейс вызова инструментов. Заявленная длина контекста — 131 072 токена. Модель подходит для чат-ответов и генерации текста, когда важны небольшой размер и высокая скорость. README также называет LYRAMOON архитектурной основой, но метаданные не подтверждают связь с отдельной базовой моделью. Доступна по лицензии Apache-2.0. Заявления о скорости и качестве рассуждений приведены в карточке разработчика и не сопровождаются результатами оценки.

m2v-bge-m3-ptbr-en — компактная модель статических текстовых эмбеддингов на базе Model2Vec, созданная Гильерме Мирандой дистилляцией BAAI/bge-m3. Она предназначена для быстрого локального семантического поиска по тексту и коду, в том числе поиска по многословным идентификаторам и кросс-языковых запросов на португальском и английском языках. Модель использует словарь из 185 417 подслов латинского письма, включает португальские диакритические знаки и формируется с помощью PCA и взвешивания SIF. При инференсе она усредняет статические векторы токенов без прямого прохода трансформера, что делает её быстрой на CPU. По данным README, в слепых тестах поиска она сопоставима с potion-multilingual-128M для португальского и английского при меньшем размере. Модель распространяется по лицензии MIT. Удаление токенов нелатинских письменностей ограничивает её применение: кириллица, арабское письмо и CJK не поддерживаются как целевые языки; модель рассчитана прежде всего на португальский (pt-BR) и английский.

M7Yamshadowexperiment28_Experiment26Shadow — объединённая модель на базе Mistral, созданная из automerger/M7Yamshadowexperiment28-7B и automerger/Experiment26Shadow-7B. Она предназначена для генерации текста и может использоваться в приложениях, которым нужны ответы на запросы или продолжение текста. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors по лицензии Apache-2.0. README подтверждает объединение двух моделей, но не описывает способ слияния, языковую специализацию или результаты оценки качества.

M7Yamshadowexperiment28_Experiment29Pastiche — объединённая текстовая модель, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/Experiment29Pastiche-7B. Она использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалогов; максимальная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. В карточке не описаны специализация по языкам, обучение и отдельные ограничения качества.

M7Yamshadowexperiment28_MeliodasT3q — объединённая модель для генерации текста на архитектуре Mistral с 7,1 млрд параметров. Она создана путём слияния automerger/M7Yamshadowexperiment28-7B и automerger/MeliodasT3q-7B. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст длиной до 32 768 токенов. Доступна в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0. README не приводит результатов оценки качества или подробностей о специализации модели; поведение может зависеть от использованных при слиянии моделей.

M7Yamshadowexperiment28_ShadowT3q — объединённая модель генерации текста на архитектуре Mistral, созданная из automerger/M7Yamshadowexperiment28-7B и automerger/ShadowT3q-7B. Она предназначена для генерации ответов на текстовые запросы; базовая модель ShadowT3q-7B также описана как модель для математических задач. Модель содержит 7,1 млрд параметров, принимает текст и выдаёт текст, её контекстное окно составляет 32 768 токенов. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. Языковая специализация и отдельные результаты оценки в карточке не описаны.

Macaron-V1-Tall — модель MindLab Research из семейства Macaron-V1, построенная на Qwen3.6-35B-A3B. Она предназначена для персональных агентных сценариев, работы с инструментами, программирования и генерации интерфейсов GenUI. Модель использует архитектуру Mixture of LoRA: четыре текстовых адаптера для чата, агентных задач, кода и GenUI, а маршрутизатор выбирает специалиста для каждого пользовательского запроса. Для запуска заявлена библиотека Transformers; опубликован чекпойнт BF16 с адаптерами LoRA и контекстом 262K токенов. Базовая модель также обладает мультимодальными возможностями, но специалисты Macaron настроены только для текста. В карточке приведены результаты сравнения системы с базовой конфигурацией, однако они не устанавливают вклад отдельных компонентов или преимущества между вариантами семейства. Известные ограничения включают слабую обработку зависимых вызовов инструментов, маршрутизацию всего хода к одному специалисту и качественное ухудшение стабильности характера в очень длинных сессиях после смены предпочтений. Отдельная оценка безопасности не проводилась; модель не рекомендуется для самостоятельных решений в критически важных областях. Лицензия — MIT.

LifeAi-dev/madlad400-10b-ct2-float32 — конвертированная в формат cTranslate2 версия многоязычной модели перевода MADLAD-400-10B-MT от Google. Она предназначена для перевода текста между множеством языков; в карточке указаны, среди прочих, английский, русский, испанский, французский, немецкий, китайский и японский. Модель основана на архитектуре text-to-text и распространяется для использования через библиотеку Transformers. Веса представлены в формате cTranslate2 с точностью float32. По лицензии Apache-2.0 модель можно использовать, изменять и распространять на её условиях. Карточка не сообщает длину контекста и конкретные ограничения качества.

Magnolia-v3-Gemma2-8k-9B — объединённая языковая модель, созданная grimjim с помощью mergekit методом SLERP из grimjim/Gigantes-v1-gemma2-9b-it и grimjim/Magnolia-v2-Gemma2-8k-9B. Это плотная авторегрессионная модель семейства Gemma 2 с 9 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Модель принимает текстовые запросы и выдаёт текст. Длина контекста составляет 8192 токена. Репозиторий содержит веса в формате safetensors, а для использования указана лицензия Gemma. README не приводит результатов оценки качества или подробных рекомендаций по сценариям применения.

Карточка модели Kailune-AI/mamba-gpt-3b-v4 на Hugging Face совпадает с карточкой CobraMamba/mamba-gpt-3b-v4, поэтому описание составлено по ней. CobraMamba/mamba-gpt-3b-v4 — авторская дообученная языковая модель семейства Llama, созданная на основе openlm-research/open_llama_3b_v2. Она содержит 3,3 млрд параметров и предназначена для генерации текста, диалогов и ответов на запросы; обучение включало наборы Stanford Alpaca, Open Assistant, LIMA, CodeAlpaca, GPT-4 Generated Data и UltraChat. Модель принимает текст и выдаёт текст, поддерживает английский и многоязычные запросы; родной контекст составляет 2048 токенов. В карточке приведены результаты тестирования на MMLU, ARC и HellaSwag, однако заявленное превосходство над более крупными моделями следует считать утверждением разработчика, а не независимой оценкой. Модель может давать ошибочные или нерелевантные ответы и воспроизводить предвзятое либо оскорбительное содержание. Для использования опубликована лицензия Apache-2.0.

Manticore 13B Chat — чат-модель коллектива Open Access AI Collective, дообученная на базе Llama 13B. Это плотная авторегрессионная модель архитектуры Llama с 12,9 млрд параметров и контекстом 2048 токенов, предназначенная для диалогов в формате USER/ASSISTANT, ролевых сценариев и ответов на инструкции. В обучении использованы наборы ShareGPT, WizardLM, Wizard-Vicuna, Pygmalion с фильтрацией ролевых диалогов, а также данные для рассуждений, математики, естественных наук, суммаризации и кода. Модель может быть полезна для ведения ролевых диалогов, ответов на общие вопросы, объяснения задач и создания кратких сводок. В README отмечено, что она не проходила выравнивание предпочтений с помощью RLHF и не использует фильтрацию ответов, поэтому может выдавать проблемное содержание, особенно по соответствующему запросу. Для использования доступна лицензия базовой модели LLaMa; конкретные условия следует проверять в карточке базовой модели.

Marcoroni-neural-chat-7B-v2-Mistral-7B-Instruct-v0.2-slerp — объединённая диалоговая языковая модель, созданная методом SLERP из mistralai/Mistral-7B-Instruct-v0.2 и Toten5/Marcoroni-neural-chat-7B-v2. Она предназначена для генерации текста и ответов на инструкции в формате диалога. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Поддерживает контекст до 32 768 токенов; опубликованные веса представлены в формате safetensors. Карточка не приводит сведения о поддерживаемых языках. Модель можно применять для диалоговых помощников, ответов на вопросы и генерации текста. Репозиторий распространяется по лицензии Apache-2.0. Качество ответов и конкретные языковые возможности в карточке не описаны.

Matter-0.1-Slim-7B-B — дообученная авторами проекта 0-hero языковая модель на архитектуре Mistral с 7,1 млрд параметров. Это полное дообучение на slim-B версии набора Matter, сформированного из более чем 35 наборов данных и содержащего свыше 6 млрд токенов; обучение длилось три эпохи. Модель предназначена для диалоговой генерации текста и поддерживает формат запросов ChatML, а также вызов функций. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. В метаданных указан английский язык. Репозиторий содержит веса PyTorch в формате safetensors. Лицензия — Apache-2.0, допускающая коммерческое использование в соответствии с её условиями. Карточка не приводит результатов сравнительных тестов или подробностей о качестве и ограничениях; возможности вызова функций заявлены, но примеры токенов в README отображаются неполно. Перед использованием стоит проверить качество на целевых сценариях и корректность формата вызова инструментов.

Matter 8x22B 0.2 — разговорная языковая модель, выпущенная 0-hero и дообученная на датасете Matter 0.2. Она предназначена для диалога с ассистентом и генерации текста; поддерживает формат запросов ChatML и вызов функций. Архитектура — Mixtral MoE с классом MixtralForCausalLM; в репозитории находятся веса PyTorch в формате safetensors. Модель содержит 22 млрд параметров и поддерживает контекст до 65 536 токенов. Карточка рекомендует использовать системную инструкцию «You are a helpful assistant». Модель ориентирована на английский язык. Она распространяется по лицензии Apache-2.0. Карточка не сообщает результаты бенчмарков или конкретные ограничения качества, поэтому пригодность для заданной области следует оценивать на собственных примерах.

Farhan45876/mavro-llm-1.5b — дообученная автором Farhan45876 языковая модель на базе unsloth/qwen2.5-1.5b-instruct-unsloth-bnb-4bit. Это плотная причинно-авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия; карточка также указывает интерфейс вызова инструментов. Модель обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель принимает текст и генерирует текст. В метаданных указан английский язык и контекст до 32 768 токенов. Лицензия — Apache-2.0. README не описывает специализацию дообучения или результаты оценки качества, поэтому пригодность для конкретных предметных областей по доступным данным определить нельзя.

PS4Research/mbazkhYJvXJIVctL — дообученная плотная языковая модель семейства Seed OSS на архитектуре SeedOssForCausalLM, основанная на ByteDance-Seed/Seed-OSS-36B-Instruct. Разработчик — PS4Research; для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель содержит 31,7 млрд параметров и поддерживает контекст до 524 288 токенов. Модель предназначена для диалогов, генерации текста и работы с инструментами через интерфейс вызова инструментов. Карточка не описывает специальную предметную область или отличия дообучения от базовой модели. Модель принимает и выдаёт текст, основной язык в карточке — английский. Распространяется в формате safetensors по лицензии Apache-2.0. Ограничения, связанные с качеством ответов или конкретными сценариями применения, в карточке не описаны.

MBX-7B — языковая модель, созданная Flemming Miguel слиянием leveldevai/MarcDareBeagle-7B и leveldevai/MarcBeagle-7B с помощью LazyMergekit и метода SLERP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста и имеющая контекстное окно до 32 768 токенов. Веса представлены в формате Safetensors; модель распространяется по лицензии Apache-2.0. Модель предназначена для генерации продолжений и ответов на текстовые запросы. README описывает способ слияния и его параметры, но не приводит оценки качества, подробных сценариев применения или списка поддерживаемых естественных языков.

DazzlingXeno/MegaMagChron — объединённая текстовая языковая модель на базе Mistral, созданная с помощью mergekit и метода passthrough. В состав вошла dazl1212/MagnumChronos. Модель содержит 20,7 млрд параметров, работает с текстом и предназначена для генерации текста в диалоговом формате. Заявленная длина контекста — 1 024 000 токенов. Репозиторий содержит веса в формате safetensors. Лицензия и сведения о поддерживаемых естественных языках в предоставленных данных отсутствуют.

Megrez2-3x7B-A3B — большая языковая модель с архитектурой Mixture-of-Experts от Infinigence. Она обучена на 8 трлн токенов и предназначена для генерации текста и диалоговых сценариев. В README указан общий размер 3×7B параметров и 3B активных параметров; метаданные Hugging Face указывают 2,7 млрд параметров. Модель поддерживает контекст длиной до 163 840 токенов и рассчитана на английский и китайский языки. Модель можно запускать через Transformers, ModelScope, llama.cpp, vLLM и SGLang. README описывает её как компактную для своего класса модель с MoE, а также приводит рекомендации по параметрам генерации и форматированию запросов для математических задач и вопросов с выбором ответа. Лицензия — Apache-2.0. Разработчики отмечают, что возможности рассуждения и работы в роли агента планируется улучшать.