II.6Документация и сопровождение разработки

Диалоговая языковая модель ShenaoZ, дообученная на базе ShenaoZ/0.0001_sft_nodpo_5iters_bs256_5102lr_iter_2 на обновлённом и исходном наборах данных. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; она предназначена для генерации текста в диалоговом режиме и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст, поэтому подходит для ведения диалогов и ответов на запросы. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. Сведений о конкретных языках, качестве на бенчмарках и специальных ограничениях в доступных материалах нет.

ShenaoZhang разработал эту модель как дообученную версию ShenaoZhang/0.001_4iters_bs128_nodpo_only4w_userresponse_iter_2. Это плотная авторегрессионная языковая модель Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Контекстное окно составляет 32 768 токенов; модель распространяется в формате Safetensors. Модель обучена на обновлённом и исходном наборах данных. Карточка не описывает конкретные сценарии, методику обучения или результаты оценки качества, поэтому её специализацию и сравнительную эффективность определить нельзя. Лицензия — MIT.

Модель ShenaoZhang/0.001_ablation_4iters_bs128_nodpo_iter_3 — дообученная авторами репозитория версия ShenaoZhang/0.001_ablation_4iters_bs128_nodpo_iter_2 на обновлённом и исходном датасетах. Это плотная авторегрессионная языковая модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и диалогового использования; нативная длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors под лицензией MIT. README не приводит подробностей о качестве, конкретной специализации или результатах оценки, поэтому их нельзя надёжно охарактеризовать.

Это диалоговая языковая модель Mistral с 7,1 млрд параметров, дообученная ShenaoZhang на основе ShenaoZhang/0.01_zephyr_5551_4iters_bs256_iter_1 на обновлённом и исходном наборах данных. Она предназначена для генерации текста и общения в формате чата; заявленная длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии MIT. Подробности о качестве, оценке и конкретных ограничениях в карточке не приведены.

14B-Qwen2.5-Freya-x1-GGUF — это GGUF-квантизированная версия текстовой генеративной модели 14B-Qwen2.5-Freya-x1, разработанной Sao10K. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может применяться в локальных сценариях инференса, включая запуск через LM Studio. Модель имеет размер 14B параметров и поставляется в вариантах от F16 до низкобитных квантований Q2 и Q3, что позволяет выбирать между качеством ответов и требованиями к оперативной памяти. Доступны форматы Q4, Q5, Q6 и Q8, при этом в README рекомендуются некоторые варианты Q4–Q6 как обеспечивающие хороший или очень высокий уровень качества. Указан шаблон промпта в формате ChatML. Модальность — текстовая; сведения о поддерживаемых языках и размере контекстного окна в README отсутствуют. Сильная сторона модели — широкий выбор квантований для локального запуска на оборудовании с разными ограничениями по памяти, а также применение imatrix-квантизации. Более компактные варианты экономят память, но могут заметно уступать старшим версиям по качеству. Лицензия обозначена как qwen/other; в README приведена ссылка на лицензию Qwen/Qwen2.5-14B, однако конкретные условия использования следует уточнять по этому документу.

Модель yuq-zhou/2026-05-leash-t2k-q3-1p7-last — контрольная точка Qwen3, опубликованная в стандартном формате Hugging Face для загрузки через AutoModelForCausalLM. Это плотная авторегрессионная языковая модель с 1,7 млрд параметров и контекстом до 40 960 токенов. Метаданные указывают на поддержку чата и интерфейса вызова инструментов; основная задача модели — генерация текста. Репозиторий описывает модель как резервную копию исследовательского артефакта. В карточке нет сведений о специальной предметной области, языках обучения или лицензии, поэтому их нельзя уточнить. Модель использует формат safetensors; опубликованная карточка не приводит дополнительных характеристик качества или оценок.

Это исследовательский резервный чекпойнт причинной языковой модели семейства Qwen3, опубликованный в стандартном формате Hugging Face для загрузки через Transformers. Модель содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Модель предназначена для генерации текста в диалоговом режиме; в репозитории также отмечен интерфейс вызова инструментов. Карточка не описывает специальные предметные области или подтверждённые языки. Файлы представлены в формате safetensors. Это резервная исследовательская копия чекпойнта. Лицензия и сведения о базовой модели в предоставленных данных не указаны.

Fischerboot/4b-Tinyllama — объединённая языковая модель, созданная с помощью mergekit методом passthrough на основе Aculi/Tinyllama-2B. В метаданных указаны архитектура LlamaForCausalLM, плотная архитектура и 3,7 млрд параметров; модель предназначена для генерации текста и поддерживает контекст до 2048 токенов. Модель принимает текст и генерирует текст. Карточка не описывает специализацию по предметным областям или отдельные сценарии использования, поэтому её можно рассматривать как модель общего назначения для генерации текста. Репозиторий распространяет веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

lilmeaty/5 — объединённая языковая модель, созданная с помощью mergekit из предварительно обученных весов lilmeaty/4 методом passthrough. Модель построена на плотной архитектуре Mistral и содержит 8,9 млрд параметров; она предназначена для генерации текста и диалогового взаимодействия. Заявленная длина контекста составляет 131 072 токена, формат весов — safetensors. Модель можно использовать для генерации продолжений текста и ведения диалога на основе текстовых запросов. Карточка не описывает специализированные области применения или языковую поддержку. Лицензия в предоставленных данных не указана.

Это зеркальная копия модели на Hugging Face, созданная сервисом latent-artist и предоставленная для скачивания. По метаданным это плотная авторегрессионная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и примерно 494 млн параметров. Она принимает текст и предназначена для генерации текста в диалоговом формате; также заявлен интерфейс для вызова инструментов. Поддерживаемый контекст — до 32 768 токенов, основной язык карточки — английский. Модель хранится в формате Safetensors и использует библиотеку Transformers. В README указано, что при использовании следует обращаться к репозиторию-зеркалу, а условия применения и распространения нужно проверять в файле лицензии внутри репозитория; метаданные указывают лицензию Apache-2.0. README не сообщает исходный репозиторий модели, поэтому базовая модель не установлена. Качество ответов и ограничения конкретной копии отдельно не описаны.

AlphaAI-1.5B-Thought — языковая модель Alpha AI, дообученная на базе Qwen2.5-1.5B для пошаговых рассуждений и решения структурированных задач. Это плотная авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров; заявленная длина контекста — 131 072 токена. Модель принимает текст и генерирует текст, а карточка указывает английский язык. Модель предназначена для локального запуска и диалоговых сценариев, где полезны многошаговые выводы: разбор математических и научных задач, программирование, генерация рабочих процессов и структурированные ответы виртуальных помощников. Веса представлены в формате PyTorch/Safetensors; README также описывает вариант с 16-битной точностью и перечисляет доступные квантизованные варианты. Лицензия — Apache-2.0. Модель может наследовать предвзятости обучающих данных, а ответы для критически важных задач следует проверять; качество в конкретных предметных областях карточка не подтверждает.

Модель ishikaa/acquisition_generator_AS_confidence_numina_llama8b предназначена для генерации текста и опубликована в формате, совместимом с библиотекой Transformers. По метаданным она относится к семейству Llama и содержит около 7,5 млрд параметров. Модель поддерживает контекст длиной до 131 072 токенов, поэтому может использоваться для генерации продолжений текста, диалоговых ответов и обработки длинных входных последовательностей. README не содержит сведений о разработчике, языках обучения, лицензии, исходной модели, данных обучения или результатах оценки, поэтому эти характеристики нельзя подтвердить.

Agnuxo/Agente-Llama-3.1-Asistant-16bit-v2 — локальная чат-модель для генерации текста и сценариев автономного агента, опубликованная независимым исследователем Франсиско Ангуло де ла Фуэнте. По метаданным, это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; заявленная длина контекста — 131 072 токена. Репозиторий содержит веса Safetensors, а карточка описывает запуск через Ollama и Transformers. Модель позиционируется для диалога, декомпозиции задач, генерации кода и научных текстов, а также координации агентов через MCP и A2A. В карточке заявлены навыки работы с Python, JavaScript, TypeScript, Rust, Go и C++, но эти заявления не сопровождаются описанием обучения или результатами оценки. Указаны английский и испанский языки. Лицензия — Apache-2.0.

AlloyIngotNeoX — слитая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом SLERP из bardsai/jaskier-7b-dpo-v4.3 и Gille/StrangeMerges_20-7B-slerp. Модель содержит 7,1 млрд параметров и предназначена для генерации текста; контекст составляет до 32 768 токенов. Модель принимает текст и генерирует текст. В README приведены результаты оценивания на бенчмарках AI2 Reasoning Challenge и HellaSwag. Файлы модели опубликованы в формате Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. README не уточняет языковую специализацию и ограничения качества; сведения о бенчмарках сами по себе не гарантируют результат на прикладных задачах.

AlloyIngotNeoY — объединённая языковая модель, созданная с помощью mergekit на основе ammarali32/multi_verse_model с включением yam-peleg/Experiment26-7B. Это плотная модель архитектуры Mistral с 7,1 млрд параметров, предназначенная для генерации текста; заявленный размер контекста — 32 768 токенов. Веса опубликованы в формате safetensors, библиотека для работы — Transformers. Модель подойдёт для генерации продолжений текста и диалоговых ответов в приложениях на базе языковых моделей. README указывает метод объединения task_swapping_ties и доли весов источников, но не приводит оценок качества или сведений о специализированных навыках. Модель распространяется по лицензии Apache-2.0.

Mistral-Small-Sisyphus-24b-2503-GGUF — это набор GGUF-квантизаций текстовой генеративной модели allura-org/Mistral-Small-Sisyphus-24b-2503. Исходную модель разработала allura-org, а квантизации подготовил bartowski с использованием llama.cpp и imatrix. Модель ориентирована на генерацию текста и выполнение инструкций; заявлены английский и китайский языки. Доступны варианты с разными уровнями квантизации — от Q8_0 до Q3 и IQ4, объёмом примерно от 12,4 до 25,05 ГБ. Старшие варианты обеспечивают более высокое качество, а младшие снижают требования к оперативной памяти. Модель предназначена для локального запуска в LM Studio, llama.cpp и других совместимых проектах. Архитектура в README дополнительно не описана; размер исходной модели указан как 24B параметров, сведения о контекстном окне и мультимодальности отсутствуют. Главные преимущества — широкий выбор компромиссов между качеством и потреблением памяти, а также совместимость с популярными средствами локального инференса. Ограничения связаны с потерями качества при более агрессивной квантизации и высокими требованиями к памяти для крупных вариантов. Лицензия — Apache-2.0.

BoghdadyJR/al-MiniLM-L6-v2 — модель Sentence Transformers на базе sentence-transformers/all-mpnet-base-v2, дообученная разработчиком на датасете code-search-net/code_search_net. Архитектура MPNet кодирует текст в плотные векторы размерности 768; для представления используются усреднение токенов и нормализация, а сходство измеряется косинусом. Модель насчитывает 136,7 млн параметров и рассчитана на последовательности до 384 токенов по README; метаданные указывают контекст до 514 токенов. Модель предназначена для семантического поиска по коду, сопоставления названий функций с их реализациями, сравнения предложений и абзацев, поиска перефразировок, кластеризации и классификации текстов. README приводит оценку Spearman 0,881 на sts-dev, однако эти результаты сами по себе не гарантируют аналогичное качество на других данных. Карточка указывает язык обучения как code; естественные языки, для которых модель специально рассчитана, не заявлены. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

AlphaMonarch-daser — диалоговая модель, созданная abideen на основе mlabonne/NeuralMonarch-7B. Это дообученная методом DPO модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста, общения и следования инструкциям. Для обучения использован набор предпочтений argilla/OpenHermes2.5-dpo-binarized-alpha; автор сообщает о 1080 шагах обучения и сочетании методов LaserQLoRA и DoRA с обучением половины проекций. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. В метаданных указан английский язык. Автор приводит сравнения с родственными вариантами на YALL leaderboard и OpenLLM bench, где результаты различаются в зависимости от бенчмарка. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

An4-7Bv2.2 — языковая модель с архитектурой Mistral, разработанная Smuggling1710 как дообучение unsloth/mistral-7b-v0.2-bnb-4bit. Модель содержит 7,1 млрд параметров и принимает текст для генерации текста; заявленная длина контекста — 32 768 токенов. В карточке указано, что модель обучалась с использованием Unsloth и библиотеки TRL. Карточка не описывает специальную предметную область или конкретные преимущества и сценарии применения. Для модели указана лицензия Apache-2.0; тег «not-for-all-audiences» указывает на ограничение по аудитории, но характер такого контента не раскрыт.

Antares-11b-v2 — диалоговая языковая модель семейства Llama, дообученная Decapoda Research на базе Antares-11b-v1. В README также указано, что обучение велось от SOLAR-10.7B-Instruct-v1.0 с использованием наборов OpenHermes, Platypus, Capybara и Bagel v0.3, а также нескольких неопубликованных наборов. Метаданные указывают 10,6 млрд параметров и контекст 4096 токенов. Модель предназначена для генерации текста и диалоговых ответов общего назначения. Она обучалась 1,25 эпохи на восьми GPU RTX 4090; в README приведены результаты отдельных тестов рассуждения и здравого смысла, но полной оценки нет. Модель не проходила выравнивание и обучение на данных безопасности, поэтому её ответы могут содержать небезопасный или предвзятый контент. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но запрещающая коммерческое применение.

aqua-smaug-0.3-8B — плотная языковая модель семейства Llama, созданная автором репозитория с помощью Mergekit путём слияния cognitivecomputations/dolphin-2.9-llama3-8b, abacusai/Llama-3-Smaug-8B и meta-llama/Meta-Llama-3-8B. Модель содержит 7,5 млрд параметров и принимает текст для генерации текста; в метаданных указана возможность диалога и контекст длиной 8192 токена. Модель предназначена для генерации ответов и ведения диалогов. В README приведены результаты оценки на WinoGrande, ARC, GSM8K, MMLU, TruthfulQA и HellaSwag, однако подробные инструкции по использованию и данные о языках модели не представлены. Репозиторий распространяется под лицензией Apache-2.0.

AquilaChat-7B — диалоговая языковая модель BAAI, дообученная методом supervised fine-tuning и с использованием обучения с подкреплением на базе Aquila-7B. Модель содержит 6,9 млрд параметров, построена на плотной архитектуре семейства Aquila и рассчитана на контекст до 2048 токенов. Модель предназначена для ведения диалогов и генерации текста на китайском и английском языках. Расширяемый формат инструкций поддерживает вызов внешних моделей и инструментов; в README приведены примеры интеграции с генерацией и редактированием изображений, но сама AquilaChat-7B принимает и выдаёт текст. Модель обучена с нуля на двуязычном корпусе, в котором около 40% данных составляют китайские тексты. В карточке упомянуты оценки на C-Eval, MMLU и BoolQ, однако результатов недостаточно, чтобы судить о качестве во всех сценариях. Для кода указан тип лицензии «other»; README описывает отдельную лицензию BAAI для весов и допускает коммерческое использование с учётом её ограничений.

QuantFactory/ArliAI-Llama-3-8B-Dolfin-v0.3-GGUF — квантизированная версия модели OwenArli/ArliAI-Llama-3-8B-Dolfin-v0.3, созданная QuantFactory с использованием llama.cpp. Модель основана на Meta-Llama-3-8B-Instruct и дообучена на улучшенном наборе данных Dolphin и WizardLM. Модель предназначена для генерации текста, диалоговых сценариев и выполнения пользовательских инструкций. Дообучение ориентировано на более точное следование инструкциям и менее частые отказы от ответов. Поддерживается чатовый формат с системными сообщениями, пользовательскими запросами и ответами ассистента. Размер базовой модели составляет 8 млрд параметров; используется архитектура семейства Llama 3 и текстовая модальность. Обучение проводилось с длиной последовательности 2048 токенов, при этом заявлена работоспособность с контекстом до 8192 токенов. Дообучение выполнялось методом QLoRA с 4-битной загрузкой, рангом 64 и alpha 128; обучаемыми были примерно 2% параметров. Данные о поддерживаемых языках, конкретных параметрах квантизации и результатах бенчмарков не приведены. Модель может быть полезна в локальных приложениях и системах, где важны экономичное использование памяти и выполнение инструкций. Ограничения включают отсутствие опубликованных результатов OpenLLM Benchmark и неполное описание характеристик квантизированных вариантов. Использование регулируется лицензией Meta Llama 3 License, обозначенной в карточке как llama3.

QuantFactory/ArliAI-Llama-3-8B-Dolfin-v0.5-GGUF — это квантизированная в формате GGUF версия модели ArliAI-Llama-3-8B-Dolfin-v0.5, созданная с использованием llama.cpp. Исходная модель разработана на основе Meta-Llama-3-8B-Instruct и дообучена OwenArli на улучшенных наборах данных Dolphin и WizardLM. Квантизация выполнена QuantFactory. Модель предназначена для генерации текста, диалоговых приложений и выполнения инструкций. Дообучение ориентировано на более точное следование инструкциям и менее частые отказы от ответов. Модель использует архитектуру семейства Llama 3 и содержит около 8 миллиардов параметров. Поддерживается текстовая модальность; конкретные языки в README не указаны. Заявлена работа с контекстом до 8192 токенов, хотя обучение проводилось с длиной последовательности 2048 токенов. Модель обучалась с использованием QLoRA: 4-битной загрузки, rank 64 и alpha 128; обучаемыми были примерно 2% весов. Квантизированный формат рассчитан на запуск через llama.cpp и может быть удобен для локального инференса с ограниченными аппаратными ресурсами. Ограничения включают отсутствие подробных результатов OpenLLM Benchmark в представленном README и отсутствие точной информации о поддерживаемых языках, фактическом качестве на разных задачах и требованиях к аппаратному обеспечению. Модель распространяется по лицензии Meta Llama 3 License, унаследованной от базовой Meta-Llama-3-8B-Instruct. Условия этой лицензии необходимо учитывать при использовании и распространении модели.

Assistant-Coding-Python — небольшая причинно-языковая модель, разработанная Fadilahnuryasin и дообученная методом supervised fine-tuning на HuggingFaceTB/SmolLM2-360M. Она предназначена для ответов на вопросы о Python, написания кода, решения простых логических задач и объяснения синтаксиса языка. Модель построена на архитектуре Llama и содержит 361,8 млн параметров. Она работает с текстом, поддерживает контекст до 8192 токенов и распространяется в формате Safetensors для библиотеки Transformers. В карточке указаны английский язык и код Python; лицензия — MIT. Из-за небольшого размера модель может ошибаться в сложной математической логике и неверно предсказывать результаты выполнения программ. Сгенерированный код следует проверять и тестировать; модель не предназначена для критических систем или сложной корпоративной генерации кода без контроля человека.

A-vibe — диалоговая языковая модель, созданная Авито Тех на базе Qwen3-8B-Base и адаптированная для русского языка и домена Авито. По карточке, модель прошла дополнительное обучение на большом корпусе данных, SFT и RL; также для неё разработали токенизатор, оптимизированный для русского и английского языков. Метаданные указывают архитектуру Qwen3ForCausalLM, размер 7,4 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов, решения математических задач и вызова функций. Разработчик сообщает о более высоких результатах, чем у instruct-версии Qwen3-8B, на ряде русскоязычных бенчмарков, а также об ускорении обработки русскоязычных примеров на 15–25% относительно исходной Qwen3-8B. Модель принимает текст и генерирует текст; заявлены русский и английский языки. Репозиторий содержит веса Safetensors, библиотека — Transformers. Лицензия — Apache-2.0.

MaziyarPanahi/bagel-dpo-7b-v0.1-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная объединением моделей Mistral-7B-Instruct-v0.2 и bagel-dpo-7b-v0.1 методом SLERP. Она предназначена для генерации текста и ответов на инструкции в чат-сценариях. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не уточняет целевые языки и специализированные предметные области; возможности и качество для конкретных языков или задач отдельно не описаны.

Beetle-FineWeb2-24B/beetle-bilingual-l2-50-simultaneous-b2-fineweb-hin-eng — языковая модель для генерации текста на базе Transformers. По идентификатору модели она относится к семейству Beetle-FineWeb2 и имеет размер 24B параметров; модель ориентирована на двуязычную работу с хинди и английским языком. Модель предназначена для задач генерации текста, включая продолжение запросов, подготовку черновиков, диалоговые ответы и другие сценарии, где требуется автодополнение или создание текста. В названии также указаны варианты l2, 50 simultaneous и b2, однако README не раскрывает их точное техническое значение. README не содержит сведений о разработчике, архитектуре, контексте, обучающих данных, результатах оценки, рекомендациях по применению или лицензии. Поэтому возможности модели следует проверять на собственных данных, особенно для критически важных и чувствительных сценариев.

Beetle-FineWeb2-24B/beetle-bilingual-l2-50-simultaneous-b2-fineweb-ita-eng — текстовая генеративная модель семейства Beetle-FineWeb2 с заявленным размером 24B параметров. Модель представлена на Hugging Face и предназначена для генерации текста в библиотеке Transformers; в метаданных также указан тег pico_decoder. По идентификатору модели следует, что она ориентирована на двуязычную работу с итальянским и английским языками и обучалась с использованием FineWeb. Её можно применять для продолжения текста, создания черновиков, диалоговых ответов и других сценариев, основанных на text-generation. README не содержит подтверждённых сведений о разработчике, лицензии, длине контекста, результатах оценки, данных обучения или специальных ограничениях. Поэтому перед использованием в продуктивных системах необходимо отдельно проверить качество на целевых итальянских и англоязычных данных, устойчивость к фактическим ошибкам и условия лицензирования.

Ben-3.1-Pro-Think — диалоговая языковая модель, разработанная Emiliosbs и дообученная на базе Emiliosbs/Ben3.0-7B-Uncensored. Модель построена на архитектуре Qwen2, имеет 7,1 млрд параметров и принимает текст для генерации текста. Для обучения использовались Unsloth и библиотека TRL; в репозитории веса представлены в формате Safetensors. Модель предназначена для диалоговой генерации текста и сценариев, где нужны ответы с рассуждениями; метаданные также указывают интерфейс вызова инструментов. Контекстное окно составляет 32 768 токенов, заявленная карточкой лицензия — Apache-2.0. В данных нет конкретных оценок качества или сведений о результатах обучения, поэтому пригодность для узких задач следует проверять отдельно.