II.6Документация и сопровождение разработки

zelk12/MT1-Max-Merge_02012025163610-MUI-gemma-2-9B — объединённая разговорная языковая модель семейства Gemma 2, созданная методом SLERP с помощью mergekit из двух моделей Gemma 2. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и формат safetensors; в конфигурации слияния указан тип данных bfloat16. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать как основу для чат-ботов и приложений, которые формируют ответы на текстовые запросы. Метаданные указывают контекст до 8192 токенов. Данные о целевых языках и специализированных областях применения в карточке не приведены. Лицензия в предоставленных данных не указана. Качество и поведение объединённой модели зависят от исходных моделей; отдельные результаты оценки и сведения об ограничениях в карточке отсутствуют.

zelk12 создал объединённую методом SLERP языковую модель на основе Gemma 2. В слияние вошли zelk12/MT2-MMMA-gemma-2-9B и zelk12/MT2-GMU-gemma-2-9B; модель содержит 9 млрд параметров и предназначена для генерации текста и диалогов. Она использует архитектуру Gemma2ForCausalLM, работает с текстом и имеет контекст длиной до 8192 токенов. Модель подходит для диалоговых интерфейсов и генерации ответов, а также для других сценариев продолжения текста. Репозиторий содержит веса в формате safetensors; метаданные указывают библиотеку Transformers. Языки, на которых модель обучалась или для которых она специально оптимизирована, в предоставленных данных не определены. Условия лицензии в предоставленных данных не указаны. Качество и ограничения модели отдельно не описаны; практическое применение требует оценки на целевых задачах.

zelk12/MT4-GMA-gemma-2-9B — языковая модель, созданная разработчиком zelk12 слиянием двух предварительно обученных моделей с помощью mergekit и метода SLERP. Это плотная модель Gemma 2 с 9 млрд параметров для генерации текста и диалогового использования; она принимает текст и выдаёт текст. Контекст составляет 8192 токена, модель рассчитана на работу через Transformers и распространяется в формате safetensors. Модель предназначена для генерации ответов в диалоге и других задач генерации текста. README не описывает специализированные области применения или поддерживаемые естественные языки, поэтому определить их по карточке нельзя. Модель объединяет zelk12/MT4-GP-gemma-2-RIv0.1RGDv0.1-9B и zelk12/MT4-MA-gemma-2-RPMHv0.1RGDv0.1-9B; лицензия в предоставленных данных не указана.

zelk12/MT4-MU-gemma-2-Rv0.4RGDv0.1-9B — объединённая языковая модель семейства Gemma 2, созданная с помощью mergekit методом SLERP из recoilme/recoilme-gemma-2-9B-v0.4 и zelk12/recoilme-gemma-2-Gutenberg-Doppel-9B-v0.1. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и предназначена для генерации текста и диалоговых ответов. Модель принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Карточка не описывает специализированные предметные области, языки, сравнительные качества или ограничения, поэтому применимость к конкретным сценариям следует оценивать отдельно. Дата публикации на Hugging Face — 2024-10-16. Условия лицензии в предоставленных данных не приведены.

zelk12 объединил методом SLERP две предварительно обученные языковые модели Gemma 2 9B: MT-Gen4-MAMU-gemma-2-9B и MT-Gen4-GIBMM-gemma-2-9B. Это плотная авторегрессионная модель с архитектурой Gemma2ForCausalLM, рассчитанная на генерацию текста и диалоговое использование. Объём модели — 9 млрд параметров, контекст — до 8192 токенов; веса доступны в формате safetensors. Модель подходит для диалоговых ответов, продолжения текста и следования инструкциям. README приводит результаты Open LLM Leaderboard, включая 78,83 на IFEval и 43,96 на BBH; этих оценок недостаточно, чтобы судить о качестве во всех сценариях. В метаданных указан тег лицензии Gemma. Языки и специальные предметные области в предоставленных данных не определены.

zelk12/MT-Gen5-MM-gemma-2-MT4g2MT5g4-9B — объединённая модель семейства Gemma 2, созданная разработчиком с помощью mergekit методом SLERP из zelk12/MT5-Gen4-gemma-2-9B и zelk12/MT4-Gen2-gemma-2-9B. Это плотная авторегрессионная языковая модель с 9 млрд параметров для диалогов и генерации текста; она принимает текст и выдаёт текст. Модель доступна в формате safetensors, работает с Transformers и поддерживает контекст до 8192 токенов. Модель подходит для чат-ботов, ведения диалога и генерации текстовых ответов. В карточке не приведены сведения о целевых языках, специализированных областях или результатах оценки качества, поэтому нельзя определить её сильные стороны и языковый охват точнее. Лицензия в предоставленных данных не указана.

zelk12/MT-Merge5-MA-gemma-2-MT4g5MTg5-9B — объединённая методом SLERP модель на архитектуре Gemma 2, созданная из zelk12/MT4-Gen5-gemma-2-9B и zelk12/MT-Gen5-gemma-2-9B. Модель содержит 9 млрд параметров и предназначена для генерации текста и диалогового общения; заявленный контекст составляет 8192 токена. Модель распространяется в формате safetensors и используется через библиотеку Transformers. Карточка не описывает отдельные предметные специализации или подтверждённые языки. Лицензия в предоставленных данных не указана.

zelk12/MTM-Merge-IF-gemma-2-MTMMTM1-9B — объединённая с помощью mergekit методом SLERP языковая модель на архитектуре Gemma 2 с 9 млрд параметров. В слиянии использованы zelk12/MT-Merge-gemma-2-9B и zelk12/MT-Merge1-gemma-2-9B; README указывает базовую модель zelk12/MT-Merge-gemma-2-9B и тип данных bfloat16. Модель предназначена для генерации текста и диалоговых ответов. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Репозиторий содержит веса в формате safetensors и рассчитан на работу с библиотекой Transformers. Данные о специальных областях применения и поддерживаемых естественных языках не приводятся. Лицензия в предоставленных данных не указана, поэтому условия использования следует проверить в карточке модели и у базовых моделей. Качество, поведение и ограничения после слияния отдельно не описаны.

ibivibiv/multimaster-7b-v5 — языковая модель для генерации текста, опубликованная на Hugging Face. По метаданным, она построена на архитектуре Mixtral с механизмом Mixture of Experts и содержит 7,1 млрд параметров. Модель рассчитана на контекст до 32 768 токенов и доступна в формате safetensors для библиотеки Transformers. Модель подходит для генерации продолжений текста и других сценариев, основанных на text-generation. В карточке приведены результаты Open LLM Leaderboard: средний балл 75,01, ARC — 72,18, HellaSwag — 88,42; подробности остальных результатов не представлены. README не сообщает разработчика, данные обучения, специализацию и конкретные ограничения модели. Лицензия — Apache-2.0. Английский указан среди языковых тегов.

Multi_verse_modelExperiment26-7B — экспериментальная чат-модель для генерации текста, созданная Maxime Labonne автоматическим слиянием MTSAIR/multi_verse_model и yam-peleg/Experiment26-7B. Слияние выполнено методом SLERP с настройками для слоёв self-attention и MLP; модель основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для диалогового взаимодействия и генерации текста. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и рассчитана на английский язык согласно описанию базовой модели. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Muse-3B — компактная чат-модель на 3 млрд параметров от Muse Research Lab. Это авторегрессионный плотный трансформер в стиле Llama с архитектурой LlamaForCausalLM, доступный в формате safetensors и рассчитанный на контекст до 8192 токенов. Модель предназначена для повседневного общения, ответов на вопросы, написания и редактирования текстов, кратких пересказов и простых задач программирования. Она принимает и генерирует текст, включая код; карточка заявляет поддержку английского, немецкого, французского, итальянского, испанского и португальского языков. Модель также рассчитана на чат и заявляет безопасный отказ на явно вредоносные запросы. Muse-3B описана как ранняя компактная модель для лёгких ассистентских сценариев и экспериментов. Она может давать неверные или неполные ответы, испытывать трудности со сложными рассуждениями, крупными задачами программирования и узкоспециализированными темами; многоязычные ответы могут быть менее надёжны, чем английские. Для медицинских, юридических, финансовых и иных критически важных решений её не следует использовать как единственный источник. Лицензия — Apache-2.0.

Muse-Glimmer-30B-GGUF — квантизированная версия мультимодальной модели Muse-Glimmer-30B, разработанной meta-models и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации и анализа текста, а также обработки изображений при использовании дополнительного файла mmproj, поэтому подходит для текстовых и текстово-визуальных сценариев. Поддерживается MTP, однако подробности архитектуры, языков и размера контекстного окна в карточке не указаны. Модель содержит около 30 млрд параметров и доступна в вариантах от BF16 до низкобитных квантований Q2 и IQ3. Квантизации выполнены с использованием llama.cpp и imatrix; варианты отличаются размером файла, качеством и требованиями к оперативной памяти. В качестве сбалансированного варианта рекомендуется Q4_K_M размером около 17,31 ГБ, а Q5 и Q6 позиционируются как более качественные, но более ресурсоёмкие. Низкобитные варианты позволяют работать при ограниченных ресурсах, но могут заметно терять в качестве. Для использования необходим совместимый рантайм llama.cpp или другое ПО с поддержкой GGUF; для обработки изображений требуется mmproj-файл. Модель распространяется по лицензии Apache-2.0.

a111311/my_l1 — языковая модель для генерации текста, размещённая на Hugging Face и доступная через библиотеку Transformers. По метаданным она относится к семейству Gemma, содержит около 2,5 млрд параметров и поддерживает контекст длиной до 8192 токенов. Разработчик, точная архитектура и языки модели в доступных материалах не указаны. Модель предназначена для задач продолжения и генерации текста, включая создание ответов, черновиков и других текстовых последовательностей в приложениях на базе Transformers. Сильными сторонами являются относительно компактный размер и поддержка длинного контекста. README не содержит описания обучения, результатов оценки, целевых сценариев, ограничений качества или рекомендаций по безопасному использованию. Лицензия в доступных данных не указана.

NeMoria-21b — экспериментальная разговорная языковая модель SteelStorage для генерации текста. Она построена на архитектуре MistralForCausalLM с плотной моделью примерно на 20,7 млрд параметров и предназначена для диалогов и других сценариев генерации текста. В основе указана unsloth/Mistral-Nemo-Instruct-2407; автор описывает создание модели методом passthrough merge с применением метода обнуления, использованного в L3-Aethora-15B-V2. Метаданные указывают контекст до 1 024 000 токенов и формат safetensors. Автор называет модель тестовым экспериментом и отмечает, что расширенная карточка появится, если эксперимент даст ожидаемый результат. Лицензия в предоставленных данных не указана.

Nemotron-Labs-Diffusion-3B — плотная языковая модель NVIDIA с 3,2 млрд параметров для генерации текста и диалогов. Она поддерживает авторегрессионное декодирование и параллельное декодирование на основе диффузии: режимы переключаются изменением шаблона внимания в одной и той же модели. Режим self-speculation сочетает диффузионную подготовку черновика с авторегрессионной проверкой и общим KV-кэшем. Модель предназначена для чат-сценариев и генерации текста, где важна эффективность декодирования при разной конкурентной нагрузке. В карточке заявлены режимы AR, diffusion и self-speculation; для практического запуска README указывает Transformers версии 5.0.0 или новее. Контекст составляет 262 144 токена. README приводит ускорения для других размеров семейства и платформ, но эти показатели не следует считать результатами именно версии 3B. Модель опубликована NVIDIA в формате safetensors. Лицензия обозначена как other; README отсылает к условиям NVIDIA, поэтому перед использованием следует проверить применимые условия. Языки в предоставленных материалах не перечислены.

Карточка модели DewEfresh/neo_7b на Hugging Face совпадает с карточкой m-a-p/neo_7b, поэтому описание составлено по ней. NEO 7B — базовая плотная языковая модель семейства LLaMA, разработанная командой Neo. Репозиторий содержит базовую версию модели; в карточке проекта также упоминаются отдельные версии с supervised fine-tuning и настройкой на выполнение инструкций. Модель насчитывает 7,6 млрд параметров, использует архитектуру LlamaForCausalLM и принимает контекст длиной до 8192 токенов. Модель предназначена для генерации текста и может использоваться как основа для диалоговых приложений и последующей адаптации под конкретные задачи. Она распространяется в формате safetensors по лицензии Apache 2.0. В README заявлена открытость кода, весов, обучающих данных и деталей обучения, но эта карточка не описывает конкретные языки, оценки качества или ограничения.

Neo_7b-merge2 — объединённая модель на основе m-a-p/neo_7b, созданная с помощью LazyMergekit. Она предназначена для генерации текста и диалоговых приложений; архитектура — плотная LLaMA с причинно-языковой моделью LlamaForCausalLM. Модель принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов. В README указано объединение двух записей одной и той же базовой модели m-a-p/neo_7b. Метаданные также связывают репозиторий с этой базовой моделью и отмечают возможности чата. Данные о специализированной предметной области и языковой поддержке отсутствуют. Лицензия в доступных данных не приведена.

Карточка модели Kukedlc/NeuralExperiment-7b-MagicCoder-v7 на Hugging Face совпадает с карточкой Kukedlc/NeuralExperiment-7b-MagicCoder-v7.5, поэтому описание составлено по ней. Kukedlc разработал экспериментальную языковую модель NeuralExperiment-7b-MagicCoder-v7.5 на архитектуре Mistral с 7,1 млрд параметров. Это дообученная версия Kukedlc/NeuralExperiment-7b-dare-ties: автор обучал модель, начиная с последнего слоя, на данных по математике, программированию и логическим задачам. В метаданных указан контекст до 32 768 токенов. Модель предназначена для генерации текста, в частности для ответов на математические задачи, решения логических головоломок и генерации или понимания кода. Автор сообщает о предварительных обнадёживающих результатах на математических задачах с неочевидными условиями, но отмечает, что оценка влияния обучения ещё продолжается. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

NeuralsirkrishnaShadow_Experiment24Ognoexperiment27 — объединённая модель для генерации текста, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment24Ognoexperiment27-7B. Модель разработана MaziyarPanahi и построена на архитектуре Mistral; она содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Её можно использовать для составления ответов, продолжения текста и ведения беседы. Репозиторий содержит веса в формате Safetensors, лицензия — Apache 2.0. Сведения о специализации по языкам и предметным областям отсутствуют.

NeuralsirkrishnaShadow_Inex12Experiment24 — текстовая генеративная модель, созданная MaziyarPanahi путём слияния моделей automerger/NeuralsirkrishnaShadow-7B и automerger/Inex12Experiment24-7B. Она предназначена для генерации текста на основе текстового запроса и работает на архитектуре Mistral с плотной causal language model на 7,1 млрд параметров. Размер контекста составляет 32 768 токенов. Модель подойдёт для диалогов, написания и продолжения текста, а также для других задач генерации текста. Карточка не описывает специализированные сценарии или языки. Модель распространяется под лицензией Apache-2.0.

Neuron-4B-HeavyThinking — плотная языковая модель семейства Qwen3, разработанная Neura-Tech-AI и дообученная на Neura-Tech-AI/Neuron-4B-Instruct. Она предназначена для генерации текста и диалогов; в репозитории также заявлен интерфейс для вызова инструментов. Модель содержит 3,7 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов. Обучение проводилось с использованием Unsloth и библиотеки TRL от Hugging Face. Модель может подойти для чат-ботов, генерации ответов и сценариев с вызовом инструментов. В метаданных указан английский язык. Файлы опубликованы в формате Safetensors, лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или подробностей о данных дообучения.

Ninja-V3 — слитая языковая модель проекта Local-Novel-LLM-project, созданная методом Model Stock с помощью mergekit на основе Ninja-V2-7B и моделей Yosegi-2 и Yosegi-0604. Модель построена на архитектуре Mistral с плотной причинной языковой сетью и содержит 7,1 млрд параметров. Она принимает текст и предназначена для диалогов и генерации текста; для общения можно использовать шаблон Vicuna-v1.1. Контекст — до 32 768 токенов. Модель подходит для интерактивных бесед, написания художественных текстов и других сценариев генерации текста. В репозитории представлены веса в формате safetensors; для использования требуется библиотека Transformers. Лицензия в предоставленных данных не указана.

Это GGUF-представление модели nothingiisreal/L3.1-70B-Celeste-V0.1-BF16, подготовленное Featherless AI. Модель предназначена для генерации текста в диалоговом режиме и может использоваться как чат-модель общего назначения. Базовая модель — дообученная версия семейства Llama 3.1 с 70 млрд параметров. В репозитории доступны варианты квантования IQ4_XS, Q2_K и Q3_K_L, а также другие варианты. В метаданных формат обозначен как GGUF BF16. Квантованные файлы уменьшают размер модели для локального запуска, но могут снижать качество по сравнению с полной точностью. Сведения о поддерживаемых языках, длине контекста и лицензии в предоставленных материалах отсутствуют.

Notus-TheTop-7b-Passthrough — диалоговая языковая модель, созданная объединением MaziyarPanahi/TheTop-5x7B-Instruct-S3-v0.1 и argilla/notus-7b-v1 с помощью LazyMergekit. В README указан метод слияния passthrough: слои моделей берутся из заданных диапазонов, а веса представлены в формате float16. Архитектура — плотная MistralForCausalLM, размер — 8,9 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев: ответов на запросы, продолжения текста и работы чат-бота. В сведениях о базовой модели указана ориентация преимущественно на английский язык. Карточка не сообщает об отдельных специализированных областях применения или результатах сравнительной оценки качества. Репозиторий содержит веса Safetensors. Лицензия в предоставленных данных не указана.

Undi95/Nous-Hermes-13B-Code — языковая модель генерации текста на архитектуре Llama с 12,9 млрд параметров. Она создана слиянием Nous-Hermes-Llama2-13b с LoRA-адаптером для кода из jondurbin/airoboros-lmoe-13b-2.1/adapters/code: README указывает веса слияния 0,70 и 0,30 соответственно. Модель предназначена для генерации кода и другого текста по текстовым запросам. Контекст составляет до 4096 токенов; репозиторий содержит веса PyTorch. По приведённым сведениям нельзя установить поддерживаемые естественные языки или конкретные языки программирования. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование. Результаты оценки в README приведены для отдельных бенчмарков и сами по себе не гарантируют качество на пользовательских задачах.

OpenSourceEnjoyer опубликовал вариант Nous-Hermes-2-Mistral-7B-DPO, дообученный с помощью Unsloth и библиотеки Hugging Face TRL. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Модель принимает текст и генерирует текст; в метаданных указаны английский язык и контекст длиной до 32 768 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не приводит подробностей о данных обучения или результатах оценки, поэтому качество ответов и устойчивость к ошибочным или неоднозначным запросам по ней определить нельзя.

Nemotron-Cascade-8B-Thinking-GGUF — это квантизированная версия языковой модели Nemotron-Cascade-8B-Thinking, разработанной NVIDIA и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста общего назначения и задач, требующих рассуждений; в метаданных также указано обучение с учителем (SFT) и усилением (RL). Поддерживается английский язык. Модель содержит 8 миллиардов параметров и поставляется в различных вариантах квантизации — от BF16 до Q3 и IQ4, с размером файлов примерно от 4,43 до 16,39 ГБ. Квантизация выполнена с использованием llama.cpp и метода imatrix. Версия BF16 обеспечивает исходное качество, тогда как варианты Q4–Q6 предлагают компромисс между качеством и требованиями к памяти; для запуска подходят llama.cpp, LM Studio и другие совместимые проекты. Формат взаимодействия использует специальные токены ролей и маркер /think. Сильными сторонами являются широкий выбор уровней квантизации, возможность локального запуска и ориентация на задачи рассуждения. Ограничения включают отсутствие в README сведений о длине контекста, точной архитектуре, мультимодальности, результатах оценивания и поддерживаемых языках помимо английского. Модель распространяется по NVIDIA Open Model License; конкретные условия следует уточнять в тексте этой лицензии.

OpenCodeReasoning-Nemotron-7B-GGUF — это квантизированная версия языковой модели OpenCodeReasoning-Nemotron-7B, разработанной NVIDIA и опубликованной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и задач, связанных с программированием и рассуждениями, включая работу с исходным кодом. В карточке указана поддержка английского языка. Модель содержит 7 миллиардов параметров и распространяется в нескольких вариантах точности и размера: от BF16 до различных конфигураций Q3, Q4, Q5, Q6, Q8 и IQ. Квантизация выполнена с использованием llama.cpp и метода imatrix. Доступны локальный запуск через llama.cpp, LM Studio и совместимые проекты; для общения рекомендуется шаблон сообщений с маркерами im_start и im_end. Ключевое преимущество модели — возможность локального запуска при выборе подходящего уровня квантизации: варианты Q6 и Q5 обеспечивают высокое качество, а Q3 и некоторые Q4 требуют меньше оперативной памяти. Ограничения включают возможные потери качества в более компактных вариантах, ориентацию на английский язык и отсутствие в предоставленных данных сведений об архитектуре, максимальном размере контекста и мультимодальных возможностях. Указанная лицензия — Apache-2.0.

NxMobileLM-1.5B-SFT — дообученная методом supervised fine-tuning модель NTQAI на базе Qwen2.5-1.5B. Она содержит 1,5 млрд параметров, использует архитектуру Qwen2 и предназначена для генерации текста, диалога и следования инструкциям в мобильных и периферийных приложениях. Модель принимает текст и выдаёт текст; заявлена поддержка английского, японского, корейского и вьетнамского языков, а контекст составляет до 131 072 токенов. В карточке заявлены сценарии виртуальных помощников, ответов на вопросы, суммаризации и приложений с низкой задержкой на мобильных и edge-устройствах. Разработчик сообщает о сравнительных оценках на языковых бенчмарках, включая результаты для английского, японского и вьетнамского языков. Качество может снижаться на задачах вне охвата данных дообучения, а смещения обучающих данных могут влиять на ответы. Модель распространяется по лицензии MIT.

Карточка модели TheHappyDrone/Occult_V01 на Hugging Face совпадает с карточкой TheHappyDrone/Occult_V02, поэтому описание составлено по ней. Occult_V02 — языковая модель семейства Mistral, разработанная TheHappyDrone и дообученная на базе unsloth/mistral-7b-bnb-4bit с использованием Unsloth и Hugging Face TRL. Модель предназначена для генерации текста; карточка не описывает узкую специализацию или конкретные сценарии применения. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0; сведения о специальных ограничениях применения и недостатках не приводятся.