II.6Документация и сопровождение разработки

Qwen3-Next-80B-A3B-Thinking-4bit — языковая модель для генерации текста, опубликованная сообществом mlx-community. Она представляет собой конвертированную в формат MLX версию базовой модели Qwen/Qwen3-Next-80B-A3B-Thinking; конвертация выполнена с использованием mlx-lm версии 0.27.1. Модель предназначена для запуска и генерации текста в экосистеме MLX, в частности через библиотеку mlx-lm на совместимых системах. Из известных характеристик указаны размер исходной модели 80B и 4-битное квантование, обозначенное в идентификаторе модели. Название Thinking указывает на ориентированность исходной модели на задачи, требующие рассуждений, однако README не содержит подробностей об архитектуре, количестве активных параметров, языках, размере контекста, поддерживаемых модальностях или результатах тестирования. В README также не описаны конкретные сильные стороны и ограничения качества модели; практические характеристики зависят от среды MLX и доступных вычислительных ресурсов. Модель распространяется по лицензии Apache-2.0. Для использования требуется библиотека mlx-lm; README приводит пример загрузки модели, токенизатора и генерации ответа с поддержкой chat template, если он определён.

Qwen3-Zero-Coder-Reasoning-V2-0.8B-NEO-EX-GGUF — компактная кодовая и рассуждающая модель, разработанная DavidAU на платформе Qwen3. Это GGUF-сборка, созданная на основе объединения двух моделей размером 0,6B; заявлены 42 слоя и 464 тензора. Модель предназначена для генерации текста и кода, использует режимы reasoning и chat и ориентирована прежде всего на английский язык. Модель подходит для написания фрагментов и черновиков кода, мозгового штурма, решения технических задач, многоэтапного программирования и общего problem solving. Она рассчитана на контекст до 40 тысяч токенов; рекомендуется использовать контекст от 8–16 тысяч токенов. Автор заявляет высокую скорость работы — свыше 150 токенов в секунду на подходящем оборудовании и более 50 токенов в секунду на CPU, однако фактическая производительность зависит от аппаратной конфигурации и выбранного кванта. К сильным сторонам относятся небольшие требования к ресурсам, высокая скорость, возможность пошагового рассуждения и улучшенная стабильность по сравнению с первой версией. Доступны варианты с разными уровнями квантизации и модификациями NEO Imatrix; для отдельных сценариев автор рекомендует сравнивать несколько квантов, поскольку более низкие варианты иногда дают более короткие рассуждения и неожиданные рабочие решения, а более высокие могут обеспечивать лучшие результаты на сложных задачах. Ограничения включают возможные повторы кода, чрезмерно длинные блоки рассуждений и необходимость точных подробных инструкций; результаты могут зависеть от настроек sampling и выбранного кванта. Для работы требуется шаблон Jinja или CHATML. Модель распространяется по лицензии Apache-2.0.

TheTsar1209 разработал qwen-carpmuscle-v0.4 — чат-модель на архитектуре Qwen2, дообученная методом SFT на базе unsloth/Qwen2.5-14B-Instruct-bnb-4bit. Модель содержит 14 млрд параметров, использует формат ChatML и рассчитана на генерацию текста и диалоговое взаимодействие. В обучении применялись наборы данных для предварительного обучения, инструкций и чатов; данные были переформатированы, а часть некачественных ответов и отказов удалена. Модель подходит для диалогов и выполнения текстовых инструкций на английском языке. В README указан контекст обучения 8k, а метаданные каталога приводят native context 32768 токенов. Репозиторий содержит веса safetensors. Модель распространяется по лицензии Apache-2.0.

FrancescoArno94 дообучил плотную языковую модель Qwen3 с 1,7 млрд параметров на базе unsloth/Qwen3-1.7B-Base. Модель предназначена для генерации текста и диалогового взаимодействия; в метаданных также заявлен интерфейс вызова инструментов. Для работы с контекстом поддерживается до 32 768 токенов. Модель сохранена в формате safetensors и распространяется по лицензии Apache-2.0. В README указано, что обучение выполнялось с помощью Unsloth и библиотеки TRL для Hugging Face. Данные о специализации обучения и конкретных ограничениях качества не приведены.

luisastellet/qwen-metaphor-melhor-hp — генеративная текстовая модель, опубликованная пользователем luisastellet на Hugging Face. По метаданным она относится к семейству Qwen3, поддерживает conversational-сценарии и предназначена для генерации текста через библиотеку Transformers. Разработчик, базовая модель и лицензия в доступных материалах не указаны. Модель содержит около 507,9 млн параметров и имеет нативное контекстное окно до 40 960 токенов. Её можно применять для диалоговой генерации, продолжения текста и встраивания в приложения на базе Transformers. README не содержит описания обучающих данных, методики дообучения, результатов оценки или специальных предметных областей, поэтому качество для конкретных задач требует отдельной проверки.

Alcoft/Qwen_Qwen3-4B-Thinking-2507-GGUF — это GGUF-квантизированный вариант языковой модели Qwen3-4B-Thinking-2507, разработанной командой Qwen. Модель предназначена для генерации текста и сценариев, требующих рассуждений, включая работу с локальными приложениями и системами, поддерживающими формат GGUF. В репозитории представлены варианты квантизации от Q2_K до Q8_K с размером файлов примерно от 1,38 до 3,99 ГБ. Для большинства сценариев рекомендуются варианты Q4_K_M, Q5_K_M, Q6_K и близкие к ним конфигурации: они обеспечивают приемлемое или высокое качество при меньших требованиях к памяти. Самые лёгкие варианты Q2 и Q3 характеризуются низким качеством и в README не рекомендуются. Некоторые варианты используют повышенную точность Q8_0 или F16 для выходных и embedding-слоёв. Модель относится к text-generation и предоставляет только текстовую модальность. Данные о точной архитектуре, размере контекста и поддерживаемых языках в представленном README не указаны. Основные ограничения связаны с потерей качества при сильной квантизации и зависимостью результата от выбранного варианта. Указана лицензия Apache-2.0.

Qwen_Qwen3-4B-Thinking-2507-GGUF — это GGUF-квантизированная версия языковой модели Qwen3-4B-Thinking-2507, разработанной Qwen. Квантизацию выполнил bartowski с использованием llama.cpp версии b6096 и метода imatrix. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты. Модель имеет размер 4B параметров и ориентирована на сценарии, требующие локального текстового вывода при ограниченных ресурсах. Доступны варианты от BF16 до Q2 и различные форматы квантизации; рекомендованными названы, в частности, Q4_K_M, Q5_K_M, Q6_K и Q6_K_L. Более высокие уровни квантизации обычно обеспечивают лучшее качество, но требуют больше памяти, тогда как низкие уменьшают размер за счёт качества. Для работы используется шаблон промпта с секциями system, user и assistant, включающей тег <think>. Сильными сторонами являются локальный запуск, широкий выбор размеров файлов и оптимизация imatrix-квантизаций под llama.cpp. Ограничения связаны с потерей качества в более агрессивно сжатых вариантах, а также с тем, что в предоставленной карточке не указаны контекстное окно, поддерживаемые языки, точная архитектура, модальности и лицензия исходной модели или квантов. Условия распространения следует уточнять на странице оригинальной модели Qwen/Qwen3-4B-Thinking-2507.

bartowski/Qwen_Qwen3.5-9B-GGUF — это GGUF-квантизированная версия модели Qwen3.5-9B, разработанной Qwen и подготовленной bartowski. Модель предназначена для задач image-text-to-text, то есть обработки текстовых и визуальных входных данных с генерацией текста. Она подходит для локального запуска через llama.cpp и совместимые инструменты, включая LM Studio, KoboldCpp, Jan AI и Text Generation Web UI. В репозитории представлены варианты от BF16 до более компактных форматов Q8_0, Q6_K, Q5_K, Q4_K и Q3_K, объёмом примерно от 4,9 до 18,4 ГБ. Квантизация выполнена с использованием imatrix и llama.cpp; для некоторых конфигураций поддерживаются MTP-слои и режим draft-mtp. Более компактные варианты снижают требования к оперативной памяти, но могут уступать по качеству более высокоточным версиям. Архитектура, языки и размер контекстного окна в предоставленных данных не указаны. Модель распространяется по лицензии Apache-2.0.

Jackrong/Qwopus3.6-27B-v2-GGUF — мультимодальная плотная модель на 27 млрд параметров, разработанная Jackrong на базе Qwen3.6-27B и представленная в формате GGUF. Модель дообучена методом supervised fine-tuning в рамках трёхэтапной учебной схемы с использованием наборов данных Jackrong/Claude-opus-4.6-TraceInversion-9000x и Jackrong/Claude-opus-4.7-TraceInversion-5000x. В заявленных возможностях указаны генерация текста, анализ изображений, рассуждения, tool use и function calling. Модель предназначена для диалоговых и агентных сценариев, решения задач, требующих структурированного рассуждения, работы с изображениями и взаимодействия с инструментами. Подход Trace Inversion используется для реконструкции подробных рассуждений и снижения логических упрощений, а форматирование с тегами <think> ориентировано на единообразную структуру вывода и последующее применение в reinforcement learning. Заявлены языки English, Chinese, Spanish, Russian и Japanese. К сильным сторонам относятся крупный размер, поддержка vision и инструментов, а также акцент на многошаговом рассуждении и совместимости с llama.cpp и Transformers. При этом README не содержит результатов бенчмарков, точного размера контекста, конкретных характеристик архитектуры, требований к ресурсам или подробностей о вариантах квантования, поэтому эти параметры нельзя оценить по имеющимся данным. Модель распространяется по лицензии Apache 2.0.

Qwythos-27B-v1 — открытая полноразмерная дообученная модель Empero AI на базе Qwen/Qwen3.5-27B. Это плотная мультимодальная модель с 64 текстовыми слоями, гибридным вниманием Gated-DeltaNet и полным модулем зрения; она принимает текст и изображения и генерирует текст. Модель прошла полнопараметрические этапы SFT, DPO и ESFT до обучения с подкреплением, сохранив штатную поддержку вызова инструментов и предсказания нескольких токенов. Модель предназначена для диалогов и рассуждений, задач STEM, работы с терминальными и инструментальными сценариями, а также технических вопросов в областях кибербезопасности и биомедицины. Заявлена конфигурация контекста до 1 048 576 токенов с расширением YaRN. Шаблон чата поддерживает нативный формат вызова функций Qwen3.5. Зрение унаследовано от базовой модели: параметры визуального модуля не дообучались, а понимание изображений не оценивалось. Большой контекст с YaRN может немного ухудшать качество на коротком контексте. Модель намеренно не ограничивает ответы на чувствительные технические темы, поэтому для использования нужны подходящие правила и проверка результатов. Лицензия — Apache-2.0.

Rabbit-7B-v2-DPO-Chat — чат-модель на 7,1 млрд параметров, опубликованная viethq188. Она основана на Mistral и создана слиянием AIDC-ai-business/Marcoroni-7B-v3 и Q-bert/MetaMath-Cybertron-Starling методом SLERP; в README также указано использование mistralai/Mistral-7B-Instruct-v0.2 и последующее обучение DPO на данных HF. Модель предназначена для генерации ответов в диалоге и других задач генерации текста; для общения можно использовать шаблон Alpaca. Модель принимает текст и выдаёт текст, хранится в формате safetensors и поддерживает контекст до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. В README и метаданных не описаны языковой охват и оценки качества; результаты могут зависеть от шаблона промпта и сценария применения.

recoilme/recoilme-gemma-2-9B-v0.4 — диалоговая модель на базе Gemma 2 с 9 млрд параметров, предназначенная для генерации текста и общения в формате чата. Согласно метаданным, модель является слиянием recoilme/Gemma-2-Ataraxy-Gemmasutra-9B-slerp и использует архитектуру Gemma2ForCausalLM. Модель принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. README не содержит дополнительных сведений о специализации или ограничениях модели.

Карточка модели Solshine/reflection-llama-3.1-8B-Natural-Farmer-16bit на Hugging Face совпадает с карточкой Solshine/reflection-llama-3.1-8B-Solshine-Full, поэтому описание составлено по ней. Solshine/reflection-llama-3.1-8B-Solshine-Full — языковая модель Solshine на архитектуре Llama, дообученная от Solshine/reflection-llama-3.1-8B-Solshine-trainround4-16bit с использованием Unsloth и библиотеки TRL. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; заявленная длина контекста — 131 072 токена. Модель может применяться для генерации ответов в чате и работы с интерфейсом вызова инструментов. В карточке указана поддержка английского языка. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache 2.0.

ReMM-v2-L2-13B — экспериментальная реконструкция MythoMax-L2-B13 от автора Undi95. Это плотная авторегрессионная модель семейства Llama объёмом 12,9 млрд параметров, предназначенная для генерации текста. Модель создана с помощью слияния методом SLERP обновлённой ReML v2 и Huginn v1.2; в состав ReML v2 входят Chronos-Beluga v2, Spicyboros 13B 2.2 и Nous-Hermes Llama 2 13B. В репозитории представлены веса fp16 в формате safetensors, а шаблон промпта — Alpaca. Модель подходит для диалогов и генерации ответов в сценариях, где применимы инструкции Alpaca. В карточке приведены результаты Open LLM Leaderboard, включая среднюю оценку 50,57, ARC и HellaSwag. Контекст составляет 4096 токенов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Replete-LLM-Qwen2-7b_Beta-Preview-GGUF — это GGUF-квантизованная версия языковой модели Replete-LLM-Qwen2-7b_Beta-Preview, разработанной Replete-AI и подготовленной квантизатором bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp и совместимые приложения, включая LM Studio. В README также указан обучающий датасет Replete-AI/Everything_Instruct_8k_context_filtered. Модель основана на архитектуре Qwen2 и содержит около 7 млрд параметров. Доступны варианты от BF16 до различных уровней квантизации Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ-серий; размеры файлов составляют примерно от 3,5 до 15,2 ГБ. Указан английский язык и контекст до 8k, связанный с использованным датасетом. Это текстовая модель без заявленной поддержки других модальностей. Сильная сторона репозитория — широкий выбор вариантов квантизации, позволяющий подобрать баланс между качеством, потреблением памяти и скоростью локального запуска. Высококачественными считаются варианты Q6 и Q5, а Q4 предлагают компромисс по размеру. Более сильная квантизация снижает требования к памяти, но может ухудшать качество генерации. Модель распространяется по лицензии Apache-2.0.

Rhodia — объединённая языковая модель автора TheDrunkenSnail, созданная методом SLERP с помощью mergekit на основе emplitude/rubysmart2 и StoneLabs/HorrorMerge-NOS4A2. Это плотная авторегрессионная модель семейства Mistral объёмом 9,8 млрд параметров, доступная в формате safetensors и предназначенная для генерации текста и диалогового общения. Модель подходит для генерации продолжений текста и ведения диалогов. Метаданные указывают на контекст до 1 024 000 токенов; библиотека для работы — Transformers. Условия лицензии и конкретные поддерживаемые языки в предоставленных данных не отражены.

RuadaptQwen2.5-1.5B-instruct — русскоязычная инструктивная модель, разработанная командой RefalMachine на основе Qwen2.5-1.5B-Instruct. Она предназначена для диалогов и генерации текстовых ответов на инструкции. Модель использует плотную архитектуру Qwen2 и содержит 1,5 млрд параметров; максимальная длина контекста — 32 768 токенов. Авторы заменили токенизатор, продолжили предобучение на русскоязычном корпусе и применили LEP (Learned Embedding Propagation). По заявлению авторов, новый токенизатор увеличил скорость генерации русскоязычного текста до 60% относительно исходной модели на одинаковых последовательностях. В карточке упомянуты оценки на Ru-Arena-General, MERA и llmtf_open, но опубликованные результаты отсутствуют. Модель поддерживает русский язык, чат и интерфейс вызова инструментов. Доступна в формате safetensors по лицензии Apache-2.0. Авторы предупреждают, что ответы могут отражать сведения и взгляды из данных обучения; показатели качества в карточке не приведены.

Это языковая модель RWKV-7 World размером 1,5 млрд параметров в формате flash-linear attention, опубликованная проектом RWKV и разработанная Бо Пэном, Ю Чжаном, Сонглином Яном и Жуйчуном Чжаном. Модель предназначена для генерации текста и диалогов; её можно использовать через Transformers при наличии поддержки RWKV и flash-linear attention. Модель обучена на корпусе World v3 объёмом 3,119 трлн токенов, использует токенизатор RWKV World с размером словаря 65 536 и имеет контекст до 2048 токенов. Поддерживаемые языки: английский, китайский, японский, корейский, французский, арабский, испанский и португальский. В README приведены результаты LAMBADA: точность 69,4% до преобразования и 68,8% после него. Модель распространяется по лицензии Apache-2.0. Для запуска README рекомендует установить flash-linear attention и Transformers версии 4.48.0 или новее. Это компактная модель относительно крупных современных LLM; её ограничивают размер контекста и возможная потеря качества при преобразовании весов.

Saba1.5-Pro — языковая модель Sakalti для генерации текста и диалогов. Она создана дообучением Sakalti/Saba1.5-1.5B, модели семейства Qwen2, с использованием Unsloth и TRL; в метаданных указан датасет HuggingFaceH4/ultrachat_200k. Модель содержит 1,5 млрд параметров, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors. Модель предназначена для генерации ответов в чате и других текстовых сценариев. Лицензия Apache 2.0. Карточка не приводит конкретных оценок качества или сведений о языковом покрытии; диалоговый датасет сам по себе не подтверждает поддержку определённых языков.

Aletheia AI опубликовала на Hugging Face языковую модель SabiYarn_MoE-280M для генерации текста в формате диалога. В карточке указана архитектура MoE с классом GPTJXMoEForCausalLM; модель содержит около 0,3 млрд параметров и доступна в формате Safetensors для Transformers. Модель можно использовать для генерации продолжений текста и ответов в диалоге. Карточка не описывает обучающие данные, поддерживаемые языки, длину контекста, результаты оценки или лицензию, поэтому эти характеристики нельзя надёжно уточнить.

Sakura-SOLAR-Instruct-DPO-v2 — языковая модель Kyujin Han (kyujinpy), созданная консорциумом LLM-исследований компаний 미디어그룹사람과숲 и 마커. Это плотная авторегрессионная модель семейства Llama на 10,6 млрд параметров, предназначенная для диалоговой генерации текста и ответов на вопросы. Модель обучена методом DPO на наборе argilla/distilabel-math-preference-dpo; карточка приводит результаты бенчмарков рассуждений и общих знаний, включая GSM8K. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 4096 токенов. Веса опубликованы в формате safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространения производных работ на тех же условиях и не допускает коммерческого использования.

Guilherme34/Samantha-v6 — разговорная языковая модель, созданная объединением предварительно обученных моделей с помощью mergekit и метода TIES. В основе объединения лежит NeverSleep/Lumimaid-v0.2-8B, также включена Guilherme34/Samantha-raw-mergenotlora; итоговая модель имеет архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Модель предназначена для генерации текста и диалогов. Её можно использовать для общения с чат-ботом, написания и продолжения текста, а также для сценариев, где требуется интерфейс вызова инструментов. Заявленное контекстное окно составляет 131 072 токена. Модель работает с текстом; в карточке нет сведений о специализированной отраслевой области или языковой специализации. Файлы модели представлены в формате safetensors. Лицензия в предоставленных данных не указана. README описывает способ объединения, но не приводит результаты оценок качества; возможности и ограничения в конкретных задачах стоит проверять на собственных примерах.

SauerkrautLM-Reason-Multi-ColBERT-15m — компактная мультиязычная модель поиска на основе ColBERT с поздним взаимодействием токенов. Разработчик — VAGOsolutions. Модель дообучена с дистилляцией знаний от VAGOsolutions/SauerkrautLM-Multi-ColBERT-15m и содержит 15,8 млн параметров; архитектура использует BERT и проекцию размерности 384 в 128. Она предназначена для семантического поиска и ранжирования документов по запросу, включая научные и технические материалы, и рассчитана на устройства с ограниченными ресурсами. Модель принимает текст запроса и документов, формируя токеновые векторные представления для сравнения по MaxSim. Карточка указывает контекст до 2048 токенов, максимальную длину запроса 256 токенов и поддержку немецкого, английского, испанского, французского, итальянского, нидерландского и португальского языков. Заявлены эффективность на научных и технических наборах и возможность локального запуска; результаты зависят от данных и сценария поиска. Лицензия — Apache 2.0.

SauerkrautLM-UNA-SOLAR-Instruct — диалоговая языковая модель, созданная разработчиком Weyaxi путём слияния моделей с помощью mergekit. Она предназначена для генерации ответов в формате чата и общих текстовых задач. Модель построена на плотной архитектуре Llama, содержит 10,6 млрд параметров и поддерживает контекст до 4096 токенов; карточка предлагает шаблон диалога с сообщениями пользователя и ассистента. В README сообщается, что 24 декабря 2023 года модель занимала первое место в Open LLM Leaderboard; среди приведённых результатов — 74,26 в среднем, 70,90 на AI2 Reasoning Challenge и 88,30 на HellaSwag. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 требует атрибуции и ограничивает коммерческое использование. Языки и специализированные предметные области в предоставленных данных не обозначены.

Securin-LLM-V2.5-Qwen-1.5B — компактная языковая модель, созданная Securin слиянием моделей методом TIES с помощью mergekit. В основу вошли Qwen/Qwen2.5-Coder-1.5B-Instruct и securin/qwen_finetune_intermediate; базовой моделью указана Qwen/Qwen2.5-Coder-1.5B. Модель имеет архитектуру Qwen2ForCausalLM, содержит 1,5 млрд параметров и работает с контекстом до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате, в частности для задач, связанных с кодом, как и её базовая инструкционная модель Qwen Coder. Данные карточки не описывают отдельные результаты оценки качества или перечень языков программирования. Весовые файлы представлены в формате safetensors; лицензия в предоставленных данных не указана.

lmstudio-community/Seed-OSS-36B-Instruct-MLX-8bit — 8-битная квантованная версия языковой модели Seed-OSS-36B-Instruct, разработанной ByteDance-Seed. Квантование выполнено командой LM Studio с использованием mlx_lm; модель оптимизирована для запуска на компьютерах Apple Silicon через MLX. Модель предназначена для генерации текста и выполнения инструкций, включая диалоговые и другие задачи, поддерживаемые исходной instruct-моделью. В README указаны архитектурная база Seed-OSS-36B-Instruct, размер 36B параметров, текстовая модальность и 8-битное квантование. Сведения о поддерживаемых языках и размере контекстного окна не приведены. Ключевые преимущества — снижение требований к памяти по сравнению с полноразмерной версией и оптимизация для экосистемы Apple Silicon. Ограничения связаны с зависимостью от совместимого оборудования и MLX, а также с общими рисками генеративных моделей: возможны неточные, вредные или неподходящие ответы. Модель распространяется по лицензии Apache-2.0.

Hjgugugjhuhjggg/semi_final — объединённая диалоговая языковая модель, созданная с помощью mergekit методом TIES на базе huihui-ai/Llama-3.2-3B-Instruct-abliterated. Модель семейства Llama имеет 3,2 млрд параметров, использует архитектуру LlamaForCausalLM и распространяется в формате safetensors. Модель предназначена для генерации текста и ведения диалога. Контекст составляет до 131 072 токенов; в метаданных также указана возможность интерфейса вызова инструментов. Карточка не описывает отдельные прикладные области или дополнительные языки, поэтому модель можно отнести к общему назначению. Модель представляет собой слияние нескольких чекпойнтов, а не самостоятельное дообучение. Сведения о лицензии в предоставленных источниках отсутствуют.

sfmbaselinefiltered-8k9k10kweightedavgmerge — объединённая предобученная языковая модель, созданная с помощью mergekit методом Linear. В качестве базовой использована контрольная точка global_step10000; в объединение также вошли контрольные точки global_step8000 и global_step9000 из серии baseline_filtered. Разработчик или автор исходных контрольных точек в карточке не назван. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и принимает текст для генерации текста. Указанное контекстное окно составляет 16 384 токена. Карточка не описывает целевые сценарии, языки или специальные предметные области, поэтому модель можно охарактеризовать только как генеративную языковую модель общего назначения. Файлы опубликованы в формате safetensors; лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_filtered_e2e_alignment-5k_6k_7k_8k_9k_weightedavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear из контрольных точек обучения с шагами 5000, 6000, 7000, 8000 и 9000; базой слияния служила контрольная точка global_step9000. Это плотная авторегрессионная архитектура GPT-NeoX объёмом 8,8 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие. Модель принимает текст и выдаёт текст, поддерживает контекст до 16 384 токенов и распространяется в формате safetensors для Transformers. Модель подходит для генерации продолжений и ответов в текстовом чате. Карточка не уточняет языковую специализацию, качество на конкретных задачах или дополнительные области применения. Лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_filtered_e2e_alignment-7k_8k_9k_10k_11k_simpleavg_merge — объединение нескольких предобученных языковых моделей, созданное с помощью mergekit. В README указано, что для слияния применён линейный метод, а в качестве базового чекпойнта использован global_step11000; также включены чекпойнты global_step7000, global_step8000, global_step9000 и global_step10000 из того же набора экспериментов по выравниванию ответов. Это плотная авторегрессионная модель GPT-NeoX примерно на 8,8 млрд параметров, опубликованная в формате safetensors и доступная через Transformers. Метаданные указывают контекст до 16 384 токенов и возможность диалогового применения; основная задача в каталоге — генерация текста. Карточка не сообщает языки обучения или специализацию по предметной области, поэтому модель следует рассматривать как языковую модель общего назначения. Условия лицензии в предоставленных данных не описаны.