II.6Документация и сопровождение разработки

Модель wannaphong/tongyi-model-v1.3-1b — дообученная авторегрессионная языковая модель семейства Qwen2, созданная wannaphong на базе sail/Sailor2-1B. Она предназначена для генерации текста и диалогов; в метаданных также отмечен интерфейс для вызова инструментов. Модель содержит 851,8 млн параметров и поддерживает контекст до 32 768 токенов. В карточке указано, что модель обучалась с использованием Unsloth и библиотеки TRL. В метаданных указан английский язык, но специальных языков или прикладных областей для этой версии README не уточняет. Модель распространяется по лицензии Apache-2.0.

TopStarClaudioArena — слитая языковая модель сообщества mergekit-community, созданная методом SLERP из NousResearch/Hermes-2-Theta-Llama-3-8B и mergekit-community/mergekit-slerp-ebgdloh. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; в метаданных указаны библиотека Transformers и контекст до 32 768 токенов. Конфигурация слияния задаёт V-образное распределение весов: Hermes используется в начальных и конечных слоях, а WizardMath — в средних. Модель подходит для диалоговой генерации и ответов на инструкции, а также может применяться для математических запросов благодаря компоненту WizardMath. Карточка не приводит отдельных результатов оценки качества или подробностей о поддерживаемых языках. Условия лицензирования в предоставленных данных не указаны.

Youlln/TRIOMPHANT-ECE-2.3-72B — текстовая генеративная модель, созданная командой студентов инженерной школы ECE под руководством преподавателей и при поддержке лаборатории iLab. Это слияние SLERP моделей Sakalti/ultiima-72B и MaziyarPanahi/calme-3.2-instruct-78b для диалогов и генерации текста общего назначения. Карточка ориентирует модель на рассуждения, в том числе математические, понимание контекста и выполнение инструкций. Модель основана на плотной архитектуре Qwen2 с причинным языковым моделированием, содержит 71,5 млрд параметров и поддерживает контекст до 32 768 токенов. Доступны веса safetensors для Transformers; лицензия — Apache-2.0. В карточке заявлены задачи NLP общего назначения, однако подробные результаты оценки и подтверждённые языки не приведены.

Tulu V2 DPO 13B — разговорная языковая модель-помощник, разработанная AllenAI и дообученная на основе Meta Llama 2 13B. Модель прошла настройку по инструкциям на смеси открытых, синтетических и созданных людьми данных, а затем выравнивание методом Direct Preference Optimization (DPO) на наборе UltraFeedback. В метаданных указаны архитектура Llama, 12,9 млрд параметров и контекст до 8192 токенов. Модель предназначена для диалогов с помощником, ответов на инструкции и генерации текста; основной язык — английский. Авторы позиционируют её как альтернативу Llama 2 13B Chat. Для качества ответов рекомендуется использовать предусмотренный моделью формат сообщений с разделителями ролей и завершающим маркером хода ассистента. Модель не прошла специальное выравнивание для безопасных ответов и может выдавать проблемный контент, особенно по соответствующему запросу. Лицензия указана в карточке как AI2 ImpACT Low-risk; перед использованием следует проверить её условия.

Tulu V2.5 DPO 13B StackExchange 60k — англоязычная чат-модель от Allen Institute for AI (AI2), созданная для диалогов с помощником и генерации текста. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров и контекстом до 4096 токенов; она принимает текст и выдаёт текст. Модель дообучена методом DPO на случайной подвыборке из 60 тысяч пар предпочтений StackExchange, начиная с Tulu 2; в основе — allenai/tulu-2-13b, дообученная на инструкциях Llama 2. Её можно использовать для ответов на вопросы, помощи с инструкциями и ведения англоязычных диалогов. Для лучшего качества следует соблюдать шаблон сообщений, встроенный в токенизатор. Модель распространяется по лицензии Apache 2.0. В карточке отмечено, что в ходе RLHF модель не обучали выдавать безопасные ответы и не применяли фильтрацию ответов во время использования; она может генерировать проблемный контент, особенно по соответствующему запросу.

Tulu V2.5 DPO 13B UltraFeedback Mean — англоязычная диалоговая модель-помощник от Allen Institute for AI (AI2), дообученная на базе Tulu 2 с использованием DPO. Для выбора предпочтительных и отклоняемых ответов в обучении использовалось среднее значение подробных оценок набора UltraFeedback; модель также относится к серии, обученной методами DPO и PPO. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров и контекстом до 4096 токенов. Модель предназначена для диалогов с помощником и генерации ответов на инструкции на английском языке. Для лучшего качества следует использовать предусмотренный шаблон диалога, включая перевод строки после сообщения пользователя. Модель может выдавать проблематичные ответы: на этапе RLHF её не настраивали на безопасные завершения, а фильтрация ответов во время использования не предусмотрена. Лицензия — Apache 2.0.

Это GGUF-версия модели unsloth/Phi-3.5-mini-instruct, подготовленная пользователем legraphista с применением квантизации llama.cpp и метода IMatrix. Исходная модель Phi-3.5-mini-instruct связана с Microsoft; базовый тип данных указан как BF16. Модель предназначена для генерации текста и диалоговых сценариев, включая использование через llama.cpp и совместимые локальные инструменты. Доступны варианты от BF16 и F16 до Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и Q2_K, включая несколько специализированных форматов. Размер файлов варьируется примерно от 1,45 до 7,64 ГБ, что позволяет выбирать между качеством и требованиями к ресурсам. Для ряда вариантов Q4 и более низкой точности применена IMatrix, призванная уменьшить потери качества при квантизации. В README указана поддержка multilingual, однако конкретный перечень языков, архитектура, число параметров и размер контекста не приведены. Основные преимущества модели — наличие множества квантизированных вариантов, пригодных для локального запуска, и использование формата GGUF, ориентированного на экосистему llama.cpp. Ограничения включают возможное снижение качества в низкобитных вариантах и отсутствие подробных сведений о производительности, языковых возможностях и системных требованиях. Репозиторий распространяется по лицензии MIT; ссылка на лицензию исходной модели ведёт к Microsoft.

USER2-1C-code — модель эмбеддингов от PruhaNLP для семантического поиска по коду и решениям на 1С:Предприятие и BSL. Это би-энкодер на базе ModernBERT, дообученный на парах «вопрос — код 1С» с помощью sentence-transformers; он кодирует запросы и фрагменты кода в векторы для сравнения по cosine similarity. Контекст модели — до 8192 токенов, базовая размерность эмбеддингов — 768, также доступны размерности 512, 384, 256, 128, 64 и 32 благодаря Matryoshka-обучению. Для запросов и документов применяются префиксы search_query и search_document. Модель предназначена для поиска релевантных фрагментов кода 1С по вопросам на естественном языке, включая поиск по форумам и библиотекам сниппетов. В описанном авторами бенчмарке 1C-Ebench она показала средний nDCG@10 0,599; усечённые эмбеддинги до 256 измерений сохраняли близкое качество. Поддерживает русский язык и код BSL. Лицензия — Apache-2.0; авторы предупреждают, что проект независим от ООО «1С» и предоставляется без гарантий.

UTENA-7B-V3 — языковая модель с архитектурой Mistral, созданная AI-B слиянием моделей UTENA-7B-UNA-V2 и UTENA-7B-NSFW-V2 методом Slerp с помощью mergekit. Модель содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов. Доступны веса в формате safetensors; README также упоминает отдельную квантизированную сборку GGUF. Модель предназначена для генерации текста и может применяться для диалогов, написания текстов и ответов на запросы. Включение в слияние модели с пометкой NSFW указывает на возможность генерации контента для взрослой аудитории. В README приведены результаты оценки на бенчмарках рассуждений и здравого смысла, но данных недостаточно для вывода о качестве в конкретных прикладных сценариях. Лицензия — Unlicense.

Модель lldois/v95_v74_layerwise_v87_v92_delta_consolidate_lr2e7_steps100 — дообученная версия lldois/v74_public091_rslora_loraplus_r128_a16_lr1e5_x16_ep3, созданная на датасете exp_v49_public_091_exact. Это плотная авторегрессионная языковая модель семейства Qwen3 с архитектурой Qwen3ForCausalLM и 532,8 млн параметров. Она предназначена для генерации текста и диалогового взаимодействия; заявленная длина контекста — 40 960 токенов. Модель принимает текст и выдаёт текст. Карточка не описывает её специальные области применения, оценку качества или подробные ограничения. Репозиторий содержит веса в формате safetensors; лицензия обозначена как other, поэтому конкретные условия использования следует проверять в карточке модели и связанных материалах.

Vectorite-Pro-4B — дообученная Sup2Doggie языковая модель семейства Qwen3 для генерации текста и диалогового общения. В основе лежит unsloth/qwen3-4b-unsloth-bnb-4bit; для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель содержит 3,7 млрд параметров и поддерживает контекст до 40 960 токенов. Модель подходит для генерации ответов в чате и задач, сводящихся к продолжению или созданию текста. Метаданные отмечают интерфейс вызова инструментов, но README не описывает специальные навыки или результаты оценки качества. Модель распространяется по лицензии Apache-2.0.

Vicuna-13B-v1.5 — авторегрессионная языковая модель на архитектуре Transformer семейства Llama, разработанная LMSYS. Модель дообучена на базе Llama 2 на пользовательских диалогах, опубликованных на ShareGPT; содержит 12,9 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для диалогового общения и экспериментов с чат-ботами и большими языковыми моделями. Она генерирует текст в ответ на текстовые запросы и может применяться исследователями и энтузиастами в задачах обработки естественного языка, машинного обучения и искусственного интеллекта. В карточке описана оценка по стандартным бенчмаркам, предпочтениям людей и подходу LLM-as-a-judge. Модель распространяется по лицензии Llama 2 Community License Agreement. Её ответы могут быть неточными или необоснованными; качество зависит от запроса и не гарантирует надёжность в критически важных сценариях.

horangwave/vicuna_1822 — текстовая генеративная модель, созданная с помощью mergekit на основе lmsys/vicuna-7b-v1.3. В README указано слияние методом passthrough, включающее слои 0–22 и 30–31 базовой модели; метаданные классифицируют связь как дообучение. Модель построена на архитектуре LLaMA с плотной сетью и классом LlamaForCausalLM, содержит 5 млрд параметров и принимает контекст до 2048 токенов. Модель предназначена для генерации текста, в том числе ответов в диалоговых сценариях и экспериментов с чат-ботами. Она принимает текст и выдаёт текст. В карточке указана библиотека Transformers и формат весов safetensors. Лицензия в предоставленных данных не указана.

Vicuna-7B-v1.5-16k — авторегрессионная языковая модель на архитектуре Transformer семейства Llama, разработанная LMSYS. Она дообучена на Llama 2 на пользовательских диалогах из ShareGPT и предназначена для чат-ботов и исследований в области больших языковых моделей. Число параметров — 6,6 млрд; в репозитории указаны веса PyTorch. Метаданные Hugging Face сообщают контекст 4096 токенов, поэтому название версии «16k» само по себе не подтверждает контекст на 16 тысяч токенов. Модель принимает текст и генерирует текст, подходит для диалоговых ответов и экспериментов с языковыми моделями. В README указана оценка по стандартным бенчмаркам, предпочтениям людей и оценке другой языковой моделью, но численные результаты здесь не приведены. Лицензия — Llama 2 Community License Agreement; перед использованием следует учитывать её условия.

Aeala/VicUnlocked-alpaca-30b — языковая модель семейства Llama, опубликованная Aeala. Это слияние модели VicUnlocked-alpaca-half-30b с LoRA-адаптером; модель содержит 32,3 млрд параметров и доступна в форматах PyTorch и Safetensors. Она предназначена для генерации текста по инструкциям в формате Alpaca: запрос помещается после «### Instruction:», а ответ начинается с «### Response:». Указана длина контекста 2048 токенов. Модель подходит для диалоговых ответов и выполнения текстовых инструкций. В README приведены оценки perplexity на наборах WikiText-2, PTB и C4; отдельные результаты качества диалогов или инструкций не описаны. В метаданных лицензия и языки не указаны, поэтому условия использования и конкретный языковой охват по имеющимся сведениям определить нельзя.

Vikhr-7B-instruct_0.3 — русскоязычная чат-модель семейства Llama, представленная Vikhrmodels. Это плотная причинная языковая модель с 7,1 млрд параметров, предназначенная для диалога и выполнения инструкций в формате ChatML. Репозиторий содержит веса в формате safetensors; карточка указывает контекст до 32 768 токенов и библиотеку Transformers. Модель подходит для русскоязычных чат-ботов, ответов на вопросы и выполнения текстовых инструкций. В метаданных перечислены обучающие наборы Veles-2.5, darulm и Vikhr_instruct; название и содержание карточки указывают на настройку для инструктивного диалога. README называет модель экспериментальной разработкой и сообщает, что метрики и инструкции по запуску появятся позже. Лицензия в предоставленных данных не указана.

Violet-Lyra-Gutenberg — языковая модель для генерации текста, собранная автором репозитория методом слияния нескольких моделей на базе Mistral-Nemo. Она содержит 12,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 131 072 токенов. Веса сохранены в формате safetensors. Модель предназначена для диалоговой генерации и продолжения текста; в карточке рекомендованы форматы промптов ChatML или MistralNemo. Слияние выполнено методом della_linear с объединённым токенизатором; в состав вошли Grey-12b, Violet_Twilight-v0.2, Lyra-Gutenberg-mistral-nemo-12B и mistral-nemo-gutenberg-12B-v4, с базой Mistral-Nemo-Base-2407. Автор оценивает результат как особенно удачный среди использованных им моделей Nemo. В README не приведены результаты независимых оценок качества или подтверждённый перечень языков. Лицензия в предоставленных данных не указана.

Vortyx Pulse — текстовая генеративная модель, разработанная LONER TECH и размещённая пользователем Anony7b на Hugging Face. Модель основана на семействе Qwen и связана с архитектурой Qwen2; для работы предусмотрена библиотека Transformers. Модель предназначена для генерации текста и может использоваться в диалоговых сценариях, прототипах чат-ботов, создании черновиков и других приложениях, где требуется продолжение или формирование текста. Она содержит около 1,5 млрд параметров и поддерживает контекст длиной до 32 768 токенов. В карточке модели отсутствуют сведения о поддерживаемых естественных языках, лицензии, обучающих данных, результатах оценки и рекомендуемых сценариях применения. Поэтому её качество, безопасность и пригодность для конкретных доменов необходимо проверять самостоятельно перед использованием.

Voyage — диалоговая языковая модель Xenon1 на базе Mistral-7B-v0.1, дообученная на наборе Ultrafeedback с применением методов из статьи Self-Rewarding Language Models. Это плотный трансформер MistralForCausalLM примерно на 7,1 млрд параметров с Grouped-Query Attention, Sliding-Window Attention и токенизатором Byte-fallback BPE. Модель предназначена для генерации текста и ответов в формате диалога; контекст — до 32 768 токенов. Для инструкций используется шаблон Mistral с маркерами [INST] и [/INST], доступный также через chat template. В карточке приведены результаты на ARC-Challenge, HellaSwag, MMLU, TruthfulQA и WinoGrande. Модель поддерживает английский язык и распространяется под лицензией Apache-2.0. Карточка не описывает специализированную область применения или гарантии качества; фактические ответы могут быть ошибочными.

azizshaw/vp_merged — дообученная языковая модель разработчика azizshaw на базе unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 3,2 млрд параметров; карточка указывает контекст длиной до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Метаданные отмечают интерфейс вызова инструментов; README сообщает, что обучение проводилось с Unsloth и библиотекой TRL. Указан английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специализацию дообучения и не приводит результатов оценки качества, поэтому пригодность для конкретных предметных задач следует проверять отдельно.

Tarun Nokwal разработал Versatile-1.0-merged — дообученную плотную языковую модель семейства Qwen2 с 1,5 млрд параметров. Она предназначена для генерации текста и диалогового общения; в репозитории хранятся веса в формате safetensors. Модель обучали с использованием Unsloth и библиотеки TRL от Hugging Face. Модель поддерживает английский язык и контекст длиной до 32 768 токенов. Метаданные также отмечают интерфейс вызова инструментов. Модель распространяется по лицензии Apache-2.0. Подробности обучения, оценки качества и ограничения в карточке не приведены.

WeDLM-7B-Instruct — инструкционно дообученная диффузионная языковая модель Tencent на 7,1 млрд параметров, созданная на основе tencent/WeDLM-7B. Она генерирует текст с параллельным декодированием при стандартном причинном механизме внимания и поддерживает диалог и выполнение инструкций. Модель предназначена для генерации ответов и многошагового общения; для ускоренного вывода разработчики рекомендуют движок wedlm, а интерфейс Hugging Face Transformers описан как удобный для обучения и простых прямых проходов. В README приведены результаты на тестах ARC-C, GSM8K и MATH, но они различаются по задачам, поэтому эти цифры не гарантируют качество в конкретном приложении. Контекст в метаданных указан как 16 384 токена, тогда как README сообщает 32 768 токенов. Модель доступна на условиях лицензии Apache 2.0.

DazzlingXeno/Westlake-Scribe — слитая языковая модель, созданная с помощью mergekit методом passthrough из OmnicromsBrain/Eros_Scribe-10.7b-v3 и froggeric/WestLake-10.7B-v2. Она основана на архитектуре Mistral и предназначена для генерации текста и диалогов; каталог отмечает поддержку чата. Модель содержит 17,8 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors. В карточке не указаны специальные ограничения по областям применения или подтверждённые языки, поэтому их нельзя определить по доступным сведениям. Лицензия в предоставленных данных не указана.

WONMSeverusDevilv2-TIES — объединённая модель для генерации текста, созданная автором репозитория с помощью LazyMergekit на основе FelixChao/WestSeverus-7B-DPO-v2, jsfs11/WestOrcaNeuralMarco-DPO-v2-DARETIES-7B и mlabonne/Daredevil-7B. Это плотная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов, сохранённая в формате Safetensors. Модель подходит для диалоговых ответов и других задач генерации текста. Карточка не приводит подробных сведений о специализации, языковом покрытии или оценках качества. Лицензия в предоставленных данных не указана.

Карточка модели xDAN2099/xDAN-APUS4-MoE-v3.1-0410 на Hugging Face совпадает с карточкой xDAN2099/APUS-xDAN-4.0-MoE-v2, поэтому описание составлено по ней. APUS-xDAN-4.0-MoE-v2 — авторская decoder-only трансформерная языковая модель с архитектурой Mixture of Experts, разработанная командой xDAN. В карточке указаны 136 млрд параметров и активация двух экспертов на токен; метаданные репозитория классифицируют веса как MixtralForCausalLM с 33,9 млрд параметров. Модель продолжает обучение на архитектуре LLaMA и опирается на возможности серии xDAN-L2; README сообщает об использовании обратной связи от людей для улучшения рассуждений, математических и логических задач. Модель предназначена для генерации текста и диалогового использования. Заявленная длина контекста — 32 768 токенов; метаданные указывают английский и китайский языки. README также описывает варианты квантования от 1,5 до 4 бит и совместимость открытой версии с потребительскими GPU. Репозиторий распространяется по лицензии CC BY 4.0.

XDoc-base-SQuAD2.0 — модель Microsoft для ответов на вопросы по тексту, связанная с проектом XDoc, представленным в работе о едином предварительном обучении для понимания документов разных форматов. В карточке указана архитектура RoBERTa с головой для question answering и 151,8 млн параметров; модель доступна в формате PyTorch, контекст — до 514 токенов. Модель предназначена для поиска ответа на вопрос в предоставленном контексте и может применяться для извлечения сведений из документов и ответов на вопросы по их тексту. README описывает XDoc как единую предварительно обученную модель для разных форматов документов, но не уточняет модальности и конкретные возможности данного чекпойнта. Лицензия — MIT.

Карточка модели Xwin-LM/Xwin-LM-13B-V0.1 на Hugging Face совпадает с карточкой Xwin-LM/Xwin-LM-70B-V0.1, поэтому описание составлено по ней. Xwin-LM-70B-V0.1 — языковая модель команды Xwin-LM, построенная на базе Llama 2 и настроенная для диалогов с помощью методов выравнивания, включая SFT и RLHF. Она предназначена для многоходового общения, ответов на вопросы и выполнения пользовательских инструкций в формате генерации текста. Модель содержит 68,7 млрд параметров, использует плотную архитектуру Llama и поддерживает контекст до 4096 токенов. В README сообщается о результатах модели на AlpacaEval, однако эти оценки относятся к бенчмарку и не гарантируют аналогичного качества в других сценариях. Для диалогов следует использовать шаблон Vicuna, описанный в карточке. Модель распространяется по лицензии Llama 2; отдельной специализации на конкретной области или поддерживаемых языках карточка не заявляет.

Xwin-LM-70B-V0.1 — языковая модель команды Xwin-LM, построенная на базе Llama 2 и настроенная для диалогов с помощью методов выравнивания, включая SFT и RLHF. Она предназначена для многоходового общения, ответов на вопросы и выполнения пользовательских инструкций в формате генерации текста. Модель содержит 68,7 млрд параметров, использует плотную архитектуру Llama и поддерживает контекст до 4096 токенов. В README сообщается о результатах модели на AlpacaEval, однако эти оценки относятся к бенчмарку и не гарантируют аналогичного качества в других сценариях. Для диалогов следует использовать шаблон Vicuna, описанный в карточке. Модель распространяется по лицензии Llama 2; отдельной специализации на конкретной области или поддерживаемых языках карточка не заявляет.

yamacinka/yam-pastiche-7B — объединённая текстовая модель на архитектуре Mistral, собранная с помощью LazyMergekit из yam-peleg/Experiment28-7B, yam-peleg/Experiment26-7B и yam-peleg/Experiment24-7B. В конфигурации указан метод task_arithmetic и формат весов bfloat16. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового применения. Карточка описывает состав и способ слияния, но не приводит конкретных оценок качества, языкового охвата или специализированных областей применения. Лицензия в предоставленных данных не указана.

YamShadow-7B — автоматическое объединение моделей, опубликованное Maxime Labonne. Репозиторий содержит причинную языковую модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. В README указаны объединение методом dare_ties с настройками density 0,53 и weight 0,6, а также формат bfloat16; метаданные связывают модель с CorticalStack/shadow-clown-7B-slerp. Модель предназначена для генерации текста по текстовому запросу и может применяться в сценариях, где нужна генерация продолжений или ответов. Для использования приведён пример загрузки через Transformers. Лицензия — Apache-2.0. В предоставленных сведениях нет описания специализированной области или заявленных оценок качества.