II.6Документация и сопровождение разработки

Это дообученная на исходном и обновлённом наборах данных версия Mistral от ShenaoZ. Модель с плотной архитектурой MistralForCausalLM содержит 7,1 млрд параметров и рассчитана на генерацию текста и диалоговое общение. Она принимает текстовые запросы и выдаёт текстовые ответы; заявленная длина контекста — 32 768 токенов. Карточка не описывает конкретные сценарии применения, результаты оценки или специальные ограничения. Модель опубликована в формате Safetensors по лицензии MIT; сведения о языках обучения в карточке отсутствуют.

Диалоговая модель Mistral с 7,1 млрд параметров, дообученная разработчиком ShenaoZ на основе ShenaoZ/0.001_withdpo_4iters_bs256_5551lr_iter_2 с использованием обновлённого и исходного наборов данных. Она предназначена для генерации текста в диалоге и может использоваться для ответов на вопросы и ведения беседы. Модель принимает текст и выдаёт текст; заявленная длина контекста — до 32 768 токенов. Модель опубликована в формате Safetensors под лицензией MIT. Карточка не описывает конкретные результаты оценки или специализированные области применения.

Модель ShenaoZ/0.001_withdpo_4iters_bs256_555lr_iter_3 — дообученная авторами ShenaoZ версия ShenaoZ/0.001_withdpo_4iters_bs256_555lr_iter_2. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Указанное нативное окно контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии MIT. README не содержит сведений о конкретных сценариях применения, языковой специализации или результатах оценки; наборы данных обозначены только как updated и original.

ShenaoZhang/0.01_4iters_bs256_nodpo_full6w_userresponse_iter_1 — дообученная на updated и original datasets версия Mistral-7B-SFT-Beta, разработанная на основе HuggingFaceH4/mistral-7b-sft-beta. Это плотная авторегрессионная языковая модель на 7,1 млрд параметров для генерации текста и диалогового общения; модель принимает текст и выдаёт текст. Она подходит для создания ответов в чате и других сценариев генерации текста. Максимальная длина контекста — 32 768 токенов. Модель опубликована в формате Safetensors под лицензией MIT. README не сообщает результатов оценки и подробных рекомендаций по применению.

ShenaoZ разработал эту модель как очередной этап дообучения ShenaoZ/0.01_ablation_5iters_bs256_nodpo_iter_3 на обновлённом и исходном наборах данных. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для диалоговой генерации текста. Она принимает текст и выдаёт текст; максимальная длина контекста составляет 32 768 токенов. Модель распространяется в формате Safetensors по лицензии MIT. README не приводит подробностей об оценке качества и ограничениях модели.

Модель ShenaoZ/0.0_ablation_6iters_iter_3 — дообученная версия ShenaoZ/0.0_ablation_6iters_iter_2, созданная на обновлённом и исходном наборах данных. Это плотная авторегрессионная языковая модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия. Модель принимает текст и выдаёт текст; длина контекста составляет 32 768 токенов. Репозиторий создан 18 апреля 2024 года и распространяется по лицензии MIT. Карточка не описывает конкретную специализацию, качество ответов, методику обучения или результаты оценки, поэтому пригодность для отдельных областей следует проверять самостоятельно.

0x01-8x7B-hf — слитая языковая модель семейства Mixtral, опубликованная rAIfle. Автор описывает её как многоэтапное слияние нескольких моделей с разными весами и методами; модель предназначена для генерации текста. В метаданных указаны архитектура MixtralForCausalLM с механизмом Mixture of Experts, 7,1 млрд параметров и контекст до 32 768 токенов. Автор сообщает, что модель показала приемлемые результаты при использовании рекомендованных настроек, однако конкретные сценарии и языки не описаны. Репозиторий содержит веса в формате safetensors; также перечислены отдельные квантованные версии GGUF и exl2. Лицензия в предоставленных данных не указана.

Fischerboot/11-test — диалоговая языковая модель семейства Llama, созданная слиянием предварительно обученных языковых моделей с помощью mergekit и метода SLERP. В README указана Fischerboot/10-test как единственная включённая модель и базовая модель; метаданные классифицируют происхождение как дообучение этой модели. Параметры хранятся в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 4,9 млрд параметров и поддерживает контекст до 8192 токенов. Данные не уточняют языки обучения и применения, поэтому языковую специализацию модели установить нельзя. Лицензия и конкретные ограничения применения в предоставленных данных не описаны.

2026-05-leash-t2k-q3-1p7 — контрольная точка языковой модели в стандартном формате Hugging Face, доступная через AutoModelForCausalLM. По метаданным это плотная авторегрессионная модель семейства Qwen3 с 1,7 млрд параметров и контекстом до 40 960 токенов. Поддерживает генерацию текста и диалоговый режим; в метаданных также отмечен интерфейс вызова инструментов. Модель может использоваться для генерации продолжений текста и ведения диалога. README характеризует её как резервную копию исследовательского артефакта, но не описывает специальные сценарии или результаты оценки качества. Репозиторий содержит веса safetensors. Условия лицензии в предоставленных данных не приведены.

Это исследовательская резервная копия чекпойнта в стандартном формате Hugging Face, разработанная yuq-zhou. Модель построена на архитектуре Qwen3 и содержит 1,7 млрд параметров; она предназначена для генерации текста в диалоговом режиме. Метаданные также указывают интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, поддерживает контекст до 40 960 токенов и опубликована в формате safetensors для библиотеки Transformers. Чекпойнт обозначен как исследовательский артефакт; его README не описывает специализацию или результаты оценки качества. Лицензия в предоставленных данных не указана.

Это контрольная точка модели Qwen2 на 7,1 млрд параметров в формате Hugging Face Safetensors, подготовленная для загрузки через Transformers как причинная языковая модель. Репозиторий содержит резервную копию исследовательского артефакта; README не описывает отдельную прикладную специализацию или результаты обучения. Модель предназначена для генерации текста и диалогового взаимодействия. Метаданные указывают контекст до 16 384 токенов и интерфейс вызова инструментов. Данные не уточняют языковое покрытие, точную базовую модель или лицензию, поэтому их нельзя установить по доступной карточке.

Модель yuq-zhou/2026-05-o-b0p3-a1p0-gc0p5-exp-td2p0-tw5p0-lam0p2-q2-m-7-last — текстовая авторегрессионная модель семейства Qwen2 с плотной архитектурой Qwen2ForCausalLM и 7,1 млрд параметров. Она опубликована в формате safetensors и загружается через AutoModelForCausalLM из Transformers; контекст составляет до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В метаданных также отмечен интерфейс вызова инструментов, однако примеры и сведения о качестве этого сценария в карточке отсутствуют. README описывает репозиторий как резервную копию исследовательского чекпойнта. Лицензия и языковая специализация в предоставленных данных не указаны.

Это исследовательская резервная копия контрольной точки авторегрессионной языковой модели семейства Qwen2, опубликованная в стандартном формате Hugging Face для загрузки через Transformers. Модель содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия; в репозитории также отмечен интерфейс вызова инструментов. Карточка не описывает специальную предметную область, обучение или оценку качества, поэтому применимость к конкретным сценариям по этим данным определить нельзя. Веса представлены в формате safetensors. Сведения о лицензии и поддерживаемых естественных языках не приведены.

Это исследовательский резервный чекпойнт причинной языковой модели семейства Qwen2, опубликованный пользователем yuq-zhou в стандартном формате Hugging Face. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; метаданные также отмечают поддержку чата и интерфейса вызова инструментов. Максимальная длина контекста составляет 16 384 токена. Модель подходит для генерации текста и диалогов, а также для экспериментов с интерфейсом вызова инструментов. В README она обозначена как резервная копия исследовательского артефакта; назначение суффиксов в имени чекпойнта не поясняется. Доступны веса в формате safetensors, лицензия в предоставленных данных не указана.

CausalLM/7B — это языковая модель на 7,1 млрд параметров от разработчика, представившего её как совместимую с Meta LLaMA 2. Модель имеет плотную архитектуру LlamaForCausalLM и контекст длиной 8192 токена; загружается через Transformers без удалённого кода. README описывает её как дистилляцию версии 14B, обученную для speculative sampling, с форматом диалога ChatML. Модель предназначена для генерации текста и диалоговых ответов на английском и китайском языках. В README сообщается о дообучении на синтетических данных, включая переписанные и многоязычные примеры, математические задачи и материалы энциклопедического характера. Указаны результаты на MMLU, CEval и GSM8K, однако заявленные сравнительные преимущества являются результатами автора и не гарантируют качество в других сценариях. Автор предупреждает о возможных галлюцинациях и ненадёжных ответах. Модель обучалась на неотфильтрованных данных и может выдавать оскорбительный, порнографический или жестокий контент; в README также отмечено отсутствие дополнительного RLHF-обучения безопасности. Лицензия репозитория — WTFPL, но README указывает, что из-за происхождения весов Qwen и использования весов LLaMA 2 могут применяться дополнительные ограничения их коммерческого использования.

ishikaa/acquisition_generator_AS_diversity_omnimath_qwen14b — текстовая генеративная модель, опубликованная пользователем ishikaa на Hugging Face. В метаданных она отнесена к семейству Qwen2 и предназначена для задач генерации текста, включая conversational-сценарии. Модель рассчитана на использование через библиотеку Transformers и хранится в формате Safetensors. Модель содержит около 14 млрд параметров и поддерживает контекст до 32 768 токенов, что позволяет работать с относительно длинными запросами и диалогами. Потенциальные сценарии включают продолжение текста, генерацию ответов в диалоге, подготовку черновиков и обработку математически ориентированных запросов, однако README не содержит подтверждённых сведений о специализации, данных обучения, результатах оценки или методике дообучения. Лицензия, разработчик, поддерживаемые естественные языки и точные ограничения использования в доступных материалах не указаны. Качество и безопасность ответов необходимо проверять на целевых данных перед применением в продуктивных системах.

ishikaa/acquisition_student_RL_AS_confidence_omnimath_llama8b — языковая модель для генерации текста на базе архитектуры Llama, опубликованная пользователем ishikaa на Hugging Face. По метаданным, модель содержит около 7,5 млрд параметров, поддерживает контекст до 131 072 токенов и работает через библиотеку Transformers. В тегах указаны conversational, TRL и GRPO, что указывает на возможность диалогового применения и обучение с использованием Group Relative Policy Optimization. Модель предназначена для генерации продолжений текста и диалоговых ответов, а также для встраивания в приложения, использующие совместимые с Transformers сценарии text-generation. Большое контекстное окно позволяет обрабатывать длинные запросы и документы. Сведения о разработчике, базовой модели, языках, обучающих данных, результатах оценки и лицензии в предоставленных источниках отсутствуют, поэтому применять модель в продуктивных или чувствительных сценариях следует с дополнительной проверкой качества и безопасности.

ADAPT-Olmo3-4.3B-Instruct — диалоговая языковая модель, разработанная Harvard-DCML как студент на основе Olmo-3-7B-Instruct. Она создана в рамках метода ADAPT, который позволяет интерполировать размер между вариантами одной базовой модели после обучения; чекпойнт можно использовать для построения промежуточной модели вместе с исходной моделью. Модель имеет плотную архитектуру Olmo 3 с 3,9 млрд параметров, принимает текст и генерирует текст в диалоговом формате. Длина контекста составляет 65 536 токенов. Для интерполяции README рекомендует включать патчинг первых слоёв студенческой модели; число слоёв патчинга определяет размер промежуточной модели. Модель распространяется по лицензии Apache-2.0.

Adullama3.1-v1 — языковая модель lucid-gunner, дообученная на базе unsloth/meta-llama-3.1-8b-instruct-bnb-4bit с использованием Unsloth и Hugging Face TRL. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM, размером 7,5 млрд параметров и контекстом до 131 072 токенов. Она предназначена для генерации текста и диалогового взаимодействия; метаданные также указывают интерфейс вызова инструментов. Основной язык карточки — английский. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не описывает специальные предметные области или результаты оценки качества, поэтому пригодность для конкретных сценариев следует проверять на собственных данных.

airoboros-13b-gpt4-1.2 — это чат-модель на архитектуре LLaMA с 12,9 млрд параметров, дообученная Jon Durbin методом QLoRA на синтетических инструкционных данных, созданных GPT-4. Она предназначена для генерации ответов на запросы пользователя и охватывает программирование, математику и рассуждения, викторины, ролевые диалоги, задания с выбором ответа и заполнением пропусков, а также вопросы по заданному контексту. Модель использует шаблон диалога в стиле Vicuna. Для запросов на код поддерживает инструкцию PLAINFORMAT, которая просит выдавать код без оформления Markdown, хотя автор отмечает, что это срабатывает не всегда. Контекст составляет 2048 токенов; веса доступны в формате PyTorch. Модель выпущена в июне 2023 года и распространяется по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства и запрещающей коммерческое применение. Качество ответов и следование инструкциям могут быть непостоянными; сведения о поддерживаемых естественных языках в карточке не приведены.

Карточка модели uukuguy/airoboros-m-7b-3.1.2-dare-0.85 на Hugging Face совпадает с карточкой uukuguy/neural-chat-7b-v3-1-dare-0.85, поэтому описание составлено по ней. uukuguy/neural-chat-7b-v3-1-dare-0.85 — экспериментальная версия Intel/neural-chat-7b-v3-1, созданная с применением метода DARE (Drop and REscale). В ней случайным образом обнулена доля весовых изменений, соответствующая weight_mask_rate 0.85, с масштабированием оставшихся изменений. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и может использоваться для диалога, ответов на вопросы и решения текстовых задач. В карточке приведены результаты бенчмарков ARC, HellaSwag, MMLU, TruthfulQA, Winogrande, GSM8K и DROP, однако подробные инструкции по запуску и оценке качества отсутствуют. Распространяется в формате PyTorch по лицензии Llama 2; условия лицензии следует учитывать при использовании.

GigaChat3-10B-A1.8B-GGUF — это квантизированная версия языковой модели GigaChat3-10B-A1.8B, разработанной ai-sage. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая работу на русском и английском языках. Модель распространяется в формате GGUF и совместима с llama.cpp, LM Studio и другими проектами на его основе. В метаданных она обозначена как MoE-модель; в названии указаны параметры 10B и 1.8B, однако точные сведения об архитектуре, размере контекста и доступных вариантах квантизации в README не приведены. Модель работает в текстовой модальности. К сильным сторонам относятся поддержка русского языка, возможность локального запуска и оптимизация квантизации с помощью imatrix, потенциально улучшающая сохранение качества по сравнению с базовыми методами квантизации. Ограничениями являются снижение точности по сравнению с исходной моделью и зависимость производительности от выбранного варианта квантизации и оборудования. Лицензия — MIT.

prince4332/ak-ga-en-2 — текстовая модель генерации на базе архитектурного семейства Qwen3.5 Text, опубликованная на Hugging Face. В метаданных указаны библиотека Transformers, формат safetensors и размер около 585,4 млн параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она поддерживает контекст длиной до 262 144 токенов, что позволяет работать с большими объёмами входного текста. Метаданные не содержат сведений о разработчике, языках, лицензии, датасетах, результатах оценки или специальных прикладных областях. README является автоматически сгенерированной карточкой и не описывает конкретные сильные стороны, ограничения или условия использования модели. Перед применением в продуктивных системах необходимо самостоятельно проверить качество на целевых данных, совместимость с задачей и лицензионные условия репозитория.

Alchemist_01_2b — объединённая модель для генерации текста, созданная с помощью mergekit из Aspik101/minigemma_ft9 и deepnetguy/gemma-64 методом slerp. Она основана на архитектуре GemmaForCausalLM и содержит 2,5 млрд параметров. Модель предназначена для диалогового взаимодействия и генерации продолжений текста с входным контекстом до 8192 токенов. Модель распространяется в формате safetensors под лицензией Apache 2.0. README описывает конфигурацию слияния, но не приводит результаты оценки качества или подробности о поддерживаемых языках. Поэтому применимость для конкретных языков и задач следует проверять на собственных примерах.

aligntune-testrun-merge-models — языковая модель для генерации текста и диалогов, созданная с помощью AlignTune. В метаданных указано слияние на базе Qwen/Qwen2.5-0.5B-Instruct; архитектура — плотная Qwen2ForCausalLM семейства Qwen2, размер — 494 млн параметров. Модель поддерживает контекст до 32 768 токенов и рассчитана на текстовый ввод и текстовый вывод. Модель можно загружать через Transformers и использовать для генерации текста и диалогового взаимодействия. Карточка не описывает специальную предметную область, обучение или отдельные гарантии качества. Формат весов — safetensors; лицензия в предоставленных данных не указана.

ALLaM-7B-Instruct-preview-GGUF — это набор GGUF-квантизаций инструкционной языковой модели ALLaM-7B-Instruct-preview, разработанной ALLaM-AI и подготовленной пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и выполнения инструкций, включая арабские и англоязычные сценарии. Доступен запуск через LM Studio, llama.cpp и другие проекты на базе llama.cpp. Модель содержит около 7 миллиардов параметров; README не уточняет её архитектуру, максимальную длину контекста, формат промптов и дополнительные модальности, поэтому она описывается как текстовая. Набор включает варианты от BF16 до Q3 и IQ3-квантизаций с размерами примерно от 3,11 до 14 ГБ. Варианты Q6 и Q5 отмечены как обеспечивающие очень высокое или высокое качество, а Q4 — как оптимальные для большинства сценариев по соотношению качества и размера. Основные преимущества — поддержка локального запуска, широкий выбор квантизаций и возможность подобрать вариант под доступную оперативную память. Более агрессивные квантизации уменьшают требования к памяти, но могут снижать качество генерации; некоторые форматы имеют статус legacy или не рекомендуются. Модель распространяется по лицензии Apache-2.0.

Это GGUF-квантизированная версия языковой модели Olmo-3-7B-Think, разработанной Allen Institute for AI (ai2) и подготовленной квантизатором bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Модель содержит около 7 миллиардов параметров, работает с текстом и заявлена для английского языка. Доступны варианты от BF16 до различных уровней квантования Q2–Q8 и IQ, размером примерно от 3,3 до 14,6 ГБ. Квантизация выполнена с использованием imatrix, что позволяет выбирать баланс между качеством, потреблением памяти и скоростью работы; наиболее качественными считаются BF16, Q8 и варианты Q6, тогда как низкие уровни квантования требуют меньше оперативной памяти, но могут заметно ухудшать результаты. Основные преимущества модели — возможность локального запуска на совместимом оборудовании, широкий выбор вариантов квантования и поддержка экосистемы llama.cpp. Ограничения включают ориентацию на английский язык, отсутствие заявленной мультимодальности и потенциальную потерю качества при использовании сильного квантования. Для работы следует применять указанный шаблон prompt с секцией размышлений <think>. Модель распространяется по лицензии Apache-2.0.

Qwen3.5-27B-Anko-GGUF — это квантизированная версия языковой модели allura-org/Qwen3.5-27B-Anko, подготовленная пользователем bartowski в формате GGUF с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другие совместимые инструменты. Модель имеет 27 млрд параметров и поддерживает английский и китайский языки. В репозитории представлены варианты от BF16 и Q8_0 до более компактных Q3- и IQ3-квантизаций; наиболее качественными считаются BF16, Q8_0, Q6 и Q5, а Q4 предлагается как сбалансированный вариант по качеству и размеру. Размер файлов составляет примерно от 13,5 до 53,8 ГБ. Данные о модальностях, архитектуре исходной модели и размере контекстного окна в README не указаны. Модель подходит для локальной генерации текста и диалоговых сценариев при наличии совместимого программного обеспечения и достаточного объёма оперативной или видеопамяти. Квантизация снижает требования к ресурсам, но варианты с меньшим числом бит могут заметно уступать более крупным по качеству. Распространение указано по лицензии Apache-2.0.

bartowski/allura-org_Qwen3.6-35B-A3B-Anko-GGUF — это GGUF-квантизированная версия текстовой генеративной модели Qwen3.6-35B-A3B-Anko, разработанной allura-org. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может использоваться локально в llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и других совместимых инструментах. В репозитории доступны варианты от BF16 до низкобитных форматов Q8_0, Q6, Q5, Q4, Q3 и IQ. Размер файлов варьируется примерно от 16,2 до 69,4 ГБ, что позволяет выбирать между качеством и требованиями к памяти. Заявлены английский и китайский языки. В README не указаны размер контекста, точная архитектура, дополнительные модальности или результаты бенчмарков, поэтому эти характеристики нельзя достоверно оценить по предоставленным данным. Сильной стороной модели является широкий выбор квантизаций, включая варианты, ориентированные на высокое качество или экономию памяти, а также совместимость с популярными средствами локального запуска. Ограничения связаны с потерями качества, возможными при использовании низкобитных вариантов, значительными требованиями к диску и оперативной или видеопамяти, а также с необходимостью поддержки этой модели конкретным программным обеспечением. Модель распространяется по лицензии Apache-2.0.

Alpha-Orionis-v0.1 — экспериментальная текстовая генеративная модель из серии Orion, разработанной автором fearlessdots. Она представляет собой плотную причинно-языковую модель семейства Mistral примерно на 7,1 млрд параметров с контекстом до 32 768 токенов и предназначена для диалога и генерации текста. Автор ориентирует серию на STEM, информатику и программирование, социальные науки, рассуждения, логическую дедукцию, критический анализ и общие знания; в метаданных указан обучающий набор ToxicQAFinal. В карточке указано, что модель дообучалась с применением LoRA и 4-битной конфигурации обучения, а затем адаптер был объединён с базовой моделью. Идентификатор базы не заполнен; среди благодарностей упомянута команда Wizard, но точная исходная модель не названа. Модель описана как намеренно малоцензурированная и экспериментальная, поэтому качество ответов может быть непостоянным, а результаты требуют проверки. Лицензия репозитория — Apache-2.0.