II.6Документация и сопровождение разработки

Lambent/Eidolon-v3-14B-abliterated — разговорная языковая модель на архитектуре Qwen2 с 14 млрд параметров, представленная Lambent. В этой версии применено вмешательство в слой 19, направленное на подавление направления отказа; дополнительного дообучения в этой ветке не проводилось. Модель предназначена для генерации текста и диалогов, а также имеет интерфейс для вызова инструментов. Заявленная длина контекста — 131 072 токена. В README приведён результат 78,4 на EQ-Bench 2.1; автор сообщает, что выявленное тестом повреждение возможностей выглядит небольшим, но отмечает риск ухудшения способностей при дообучении. Метаданные помечают модель как не подходящую для любой аудитории. Сведения о лицензии и поддерживаемых естественных языках в доступных данных отсутствуют.

NotASI/Einstein-Replete-7B — языковая модель для диалоговой генерации текста, созданная объединением моделей Weyaxi/Einstein-v7-Qwen2-7B и Replete-AI/Replete-LLM-Qwen2-7b методом TIES с помощью mergekit. В качестве базовой модели использована Qwen/Qwen2-7B. Модель построена на плотной архитектуре Qwen2 с причинным языковым моделированием и содержит 7,1 млрд параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для ведения диалогов и генерации текста. Карточка не приводит подробных сведений о специализации, языковом покрытии или сравнительных результатах, поэтому оценить её сильные стороны для конкретных задач нельзя. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

ErisMaidFlame-7B — объединённая языковая модель на базе Mistral, созданная автором репозитория с помощью mergekit и метода SLERP. В слиянии использованы ChaoticNeutrals/Eris_Remix_DPO_7B и nbeerbower/MaidFlameSoup-7B; итоговая модель содержит 7,1 млрд параметров и распространяется в формате safetensors для библиотеки Transformers. Модель предназначена для генерации текста и может применяться в чатах и ролевых диалогах — такие сценарии указаны для её базовой модели. Она принимает текст и генерирует текст; поддерживаемый контекст составляет до 32 768 токенов. Карточка не описывает отдельные настройки диалога или оценки качества именно этого слияния. Лицензия в предоставленных данных не указана, поэтому условия использования следует сверить на странице репозитория и у базовых моделей. Язык модели в этих данных явно не задан.

ERNIE-4.5-300B-A47B-Base-PT — базовая текстовая MoE-модель компании Baidu на архитектуре ERNIE 4.5, предназначенная для продолжения текста и генерации по запросу. Это вариант с весами PyTorch для Transformers; README рекомендует использовать режим completion, а не chat completion. Модель получена на этапе предварительного обучения и содержит 300 млрд параметров суммарно, из которых активируется около 47 млрд на каждом токене. Она рассчитана на работу с длинным контекстом до 131 072 токенов и поддерживает английский и китайский языки. Вариант Base принимает и выдаёт текст; несмотря на мультимодальное обучение семейства ERNIE 4.5, этот чекпойнт предназначен только для текстового дополнения. Модель подходит для продолжения и генерации текста с длинным контекстом. Для диалоговых сценариев в карточке указана возможность chat, но README уточняет, что Base следует вызывать через completion API. Лицензия — Apache-2.0.

Dohyeon1/ERNIE-Sub-MoE-ngroups48-adaptive — языковая модель семейства ERNIE 4.5 MoE, опубликованная пользователем Dohyeon1 на Hugging Face. Модель предназначена для генерации текста и поддерживает диалоговые сценарии; для работы используется библиотека Transformers. Модель содержит 3,3 млрд параметров и рассчитана на контекст до 131 072 токенов. Архитектура с mixture-of-experts отражена в метаданных модели; дополнительные сведения о конфигурации экспертов, обучении, языках, оценивании и производительности в предоставленной карточке отсутствуют. Лицензия в доступных данных не указана, поэтому условия коммерческого и иного использования необходимо уточнять на странице репозитория. README не содержит результатов тестирования, описания датасетов, рекомендаций по применению или подробных сведений об ограничениях.

EurobeatVARemix-Qwen2.5-72b — объединённая языковая модель автора KaraKaraWarehouse, созданная методом Model Stock на основе Qwen/Qwen2.5-72B с включением нескольких моделей Qwen2.5-72B. Она предназначена для диалоговой генерации и продолжения текста; автор сообщает, что формат ChatML в основном подходит для общения с моделью. Модель использует плотную архитектуру Qwen2 и содержит 71,5 млрд параметров. Метаданные указывают контекст до 131 072 токенов и поддержку ряда языков, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский и корейский. Репозиторий использует формат safetensors, а модель доступна через библиотеку Transformers. Автор приводит личные настройки сэмплирования и отмечает, что другие настройки также предлагались; конкретное качество на задачах в карточке не оценивается. Указана лицензия Apache 2.0. (Доступные сведения о лицензии не содержатся в переданных README или метаданных.)

Eurus-70B-NCA — языковая модель OpenBMB для генерации текста и диалогов с упором на рассуждения. Это плотная Llama-модель на 68,7 млрд параметров, дообученная методом NCA от Eurus-70B-SFT на многоходовых парах траекторий UltraInteract и парах UltraFeedback. Модель поддерживает контекст до 16 384 токенов и распространяется в формате safetensors. Модель предназначена для многошагового решения задач, в особенности математических и связанных с программированием, а также для многоходовых диалогов. В README авторы сообщают о сильных результатах на комплексной оценке по пяти типам задач, но это заявление основано на бенчмарках и не гарантирует аналогичных результатов в конкретном применении. Для задач программирования и математики рекомендованы специальные форматы промптов. Лицензия — Apache-2.0. В карточке описано дообучение от Eurus-70B-SFT; отдельные ограничения на использование не приведены.

EVA-Qwen2.5-7B-v0.0-GGUF — это GGUF-квантизация текстовой генеративной модели EVA-Qwen2.5-7B-v0.0. Исходная модель разработана EVA-UNIT-01, а квантизированные файлы подготовлены bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая написание историй, roleplay, следование инструкциям и работу с текстовыми промптами. Модель содержит 7 миллиардов параметров и распространяется в нескольких вариантах точности — от F16 до Q2_K_L, включая рекомендуемые конфигурации Q4, Q5 и Q6. Размер файлов варьируется примерно от 3,5 до 15,2 ГБ. Поддерживаются локальный запуск через llama.cpp и LM Studio; в README приведён формат промпта на основе специальных токенов чата Qwen. Языки, длина контекста и точные архитектурные характеристики в предоставленных данных не указаны. Сильными сторонами являются широкий выбор квантизаций, возможность локального запуска и варианты, ориентированные на баланс качества и потребления памяти. Более компактные варианты подходят для систем с ограниченной оперативной памятью, но обеспечивают более низкое качество. Модель работает только с текстом, поскольку обозначена как pipeline для text-generation; сведения о специализированных ограничениях и результатах оценки отсутствуют. Лицензия — Apache-2.0.

EVA-QwQ-32B-Coder-Preview — объединённая языковая модель, созданная автором win10 с помощью mergekit и метода TIES на базе EVA-Qwen2.5-32B-v0.2. В слияние также вошли Qwen/QwQ-32B-Preview и Qwen/Qwen2.5-Coder-32B-Instruct. Модель построена на архитектуре Qwen2, содержит 32 млрд параметров и предназначена для генерации текста в диалоговом формате. Каталог указывает контекст до 131 072 токенов. Вклад Qwen2.5-Coder предполагает пригодность для генерации и анализа кода, однако README не описывает отдельные результаты или проверенные сценарии для этой объединённой модели. Модель распространяется в формате safetensors и использует библиотеку Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

a111311/ex1_p1 — языковая модель для генерации текста, размещённая на Hugging Face и совместимая с библиотекой Transformers. В метаданных она отмечена как модель семейства Gemma с архитектурой размером 2,5 млрд параметров и контекстом до 8192 токенов. Модель предназначена для продолжения текста и генерации ответов по заданному запросу, поэтому может использоваться в чат-ботах, прототипах текстовых интерфейсов, автоматическом написании черновиков и экспериментах с генеративными моделями. Поддерживаемые естественные языки, разработчик, точная конфигурация, данные обучения и лицензия в доступных материалах не описаны.

Карточка модели GMODEOS/EXAONE-4.0-1.2B на Hugging Face совпадает с карточкой LGAI-EXAONE/EXAONE-4.0-1.2B, поэтому описание составлено по ней. EXAONE-4.0-1.2B — компактная плотная авторегрессионная языковая модель LG AI Research для диалогов, генерации текста и запуска на устройствах. Модель содержит около 1,3 млрд параметров по метаданным; в конфигурации README указано 1,07 млрд параметров без эмбеддингов. Она поддерживает контекст до 65 536 токенов и использует 30 слоёв, групповые запросы внимания с 32 головами и 8 KV-головами, а также словарь из 102 400 токенов. Модель предлагает режимы обычного ответа и рассуждения, а также интерфейс вызова инструментов. Заявлена поддержка английского, корейского и испанского языков; особенно ориентированные языки — английский и корейский. Модель рассчитана на локальные и встроенные сценарии, где важны небольшой размер и длинный контекст, а также на диалоговые приложения и агентные системы. Ответы могут содержать фактические ошибки, предвзятость или неподходящую информацию; знания модели могут быть устаревшими. Для режима рассуждений качество чувствительно к параметрам генерации. Лицензия указана как other; README сообщает об обновлении условий в сторону большей гибкости, но конкретные условия следует сверять с лицензией репозитория.

EXAONE-4.0-1.2B — компактная плотная авторегрессионная языковая модель LG AI Research для диалогов, генерации текста и запуска на устройствах. Модель содержит около 1,3 млрд параметров по метаданным; в конфигурации README указано 1,07 млрд параметров без эмбеддингов. Она поддерживает контекст до 65 536 токенов и использует 30 слоёв, групповые запросы внимания с 32 головами и 8 KV-головами, а также словарь из 102 400 токенов. Модель предлагает режимы обычного ответа и рассуждения, а также интерфейс вызова инструментов. Заявлена поддержка английского, корейского и испанского языков; особенно ориентированные языки — английский и корейский. Модель рассчитана на локальные и встроенные сценарии, где важны небольшой размер и длинный контекст, а также на диалоговые приложения и агентные системы. Ответы могут содержать фактические ошибки, предвзятость или неподходящую информацию; знания модели могут быть устаревшими. Для режима рассуждений качество чувствительно к параметрам генерации. Лицензия указана как other; README сообщает об обновлении условий в сторону большей гибкости, но конкретные условия следует сверять с лицензией репозитория.

Experiment24Experiment28-7B — автоматическое слияние языковых моделей, созданное Maxime Labonne с помощью mergekit. В конфигурации использован метод dare_ties для объединения yam-peleg/Experiment24-7B и yam-peleg/Experiment28-7B; метаданные указывают yam-peleg/Experiment28-7B как базовую дообученную модель. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и может использоваться для диалогов, черновиков и экспериментов с языковыми моделями. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. В карточке не приведены сведения о поддерживаемых языках или специализированных областях применения.

Experiment24Inex12-7B — автоматическое слияние моделей, выполненное Maxime Labonne из yam-peleg/Experiment24-7B и MSL7/INEX12-7b методом SLERP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; максимальная длина контекста составляет 32 768 токенов. Модель подходит для текстовых запросов и создания ответов или продолжений текста. Репозиторий распространяется в формате safetensors, лицензия — Apache-2.0. В README приведена конфигурация слияния и начало примера загрузки через Transformers, но нет сведений о языковой специализации и сравнительных результатах.

Experiment26Experiment28-7B — автоматическое слияние двух моделей Mistral, созданное Maxime Labonne методом SLERP с помощью mergekit. В состав слияния вошли yam-peleg/Experiment26-7B и yam-peleg/Experiment28-7B; веса сохранены в формате safetensors. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и может использоваться в экспериментах с языковыми моделями и в приложениях, которым требуется генерация текста. Метаданные указывают задачу text-generation; README приводит пример загрузки через Transformers. В карточке указана лицензия Apache-2.0. Языки и специальные предметные области для этой модели не обозначены.

Experiment26Percival_01-7B — автоматически объединённая Maxime Labonne языковая модель на архитектуре Mistral с 7,1 млрд параметров. В слиянии использованы mistralai/Mistral-7B-v0.1, yam-peleg/Experiment26-7B и AurelPx/Percival_01-7b-slerp; применён метод model_stock, веса представлены в формате safetensors. Модель предназначена для генерации текста и может использоваться в экспериментах с текстовыми запросами и оценкой ответов языковой модели. Заявленная длина контекста — 32 768 токенов. В карточке указана лицензия Apache-2.0; сведения о поддерживаемых естественных языках и специальных предметных областях не приведены.

MaziyarPanahi/Experiment26Yam_Experiment27Inex12 — объединённая модель семейства Mistral для генерации текста. Она создана слиянием моделей automerger/Experiment26Yam-7B и automerger/Experiment27Inex12-7B. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Её можно применять для генерации продолжений текста и диалоговых ответов на текстовые запросы. Модель опубликована в формате Safetensors под лицензией Apache-2.0. Данных о специализированных предметных областях или языках в предоставленных источниках нет.

Experiment26Yamshadow_PasticheNeuralsirkrishna — объединённая текстовая модель на архитектуре Mistral, созданная из automerger/Experiment26Yamshadow-7B и automerger/PasticheNeuralsirkrishna-7B. Она предназначена для генерации текста и может использоваться в приложениях, которым нужна языковая модель с контекстом до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате Safetensors по лицензии Apache-2.0. Сведений о специализации, поддерживаемых языках и особенностях качества в карточке нет.

Experiment28T3q_Experiment28Inex12 — объединённая языковая модель, созданная на основе automerger/Experiment28T3q-7B и automerger/Experiment28Inex12-7B. Модель разработана и опубликована MaziyarPanahi. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров. Она предназначена для генерации текста; заявленный размер контекста — 32 768 токенов. В репозитории представлены веса в формате Safetensors. Модель можно использовать для генерации продолжений и ответов в текстовых сценариях. README не описывает специальные возможности, языковую специализацию или результаты оценки качества. Лицензия — Apache 2.0.

MaziyarPanahi/Experiment28T3q_ShadowCalme — объединённая модель для генерации текста, созданная на основе automerger/Experiment28T3q-7B и automerger/ShadowCalme-7B. Она использует плотную архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Подробные сведения о специализации, обучении и сравнительном качестве в карточке модели отсутствуют.

Falcon3-3B-Instruct-GGUF — это набор GGUF-квантизаций инструкционной языковой модели Falcon3-3B-Instruct, разработанной Technology Innovation Institute (TII) и подготовленной для распространения пользователем bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через llama.cpp и LM Studio. Для взаимодействия используется формат с ролями system, user и assistant. Модель имеет 3 млрд параметров, относится к текстовым моделям и поддерживает английский, французский, испанский и португальский языки. Доступны варианты от F16 до низкобитных Q2/Q3/Q4/Q5/Q6/Q8 и IQ-квантизаций; размеры файлов составляют примерно от 1,27 до 6,46 ГБ. Квантизация выполнена с использованием imatrix в llama.cpp, а README отдельно отмечает исправление токенизатора. Сильная сторона набора — возможность выбрать баланс между качеством, размером и требованиями к оперативной памяти; наиболее качественными и рекомендуемыми указаны варианты Q6_K_L, Q6_K, Q5_K и Q4_K. Низкобитные варианты экономичнее, но могут заметно терять качество. Сведения о длине контекста и детальной архитектуре в README не указаны. Модель распространяется по лицензии Falcon LLM License; условия доступны по ссылке, указанной в карточке.

Falcon-H1-7B-Base — базовая авторегрессионная языковая модель семейства Falcon-H1 от TII (Technology Innovation Institute). Она использует гибридную архитектуру Transformer и Mamba с декодером только для причинной генерации текста и содержит 6,4 млрд параметров. Модель предназначена для генерации и продолжения текста, а также для широкого круга языковых задач, включая рассуждения. Заявлена поддержка английского и многоязычного ввода; теги карточки перечисляют арабский, чешский, немецкий, английский, испанский, французский, хинди, итальянский, японский, корейский, нидерландский, польский, португальский, румынский, русский, шведский, урду и китайский. Родная длина контекста — 262 144 токена. Для запуска предлагаются Transformers, vLLM и llama.cpp. В README приведены результаты сравнительных оценок, включая BBH и MMLU. Модель распространяется по лицензии Falcon-LLM License; метаданные Hugging Face обозначают лицензию как other, поэтому перед использованием следует ознакомиться с условиями Falcon-LLM License. Это базовая модель, а не специализированный чат-ассистент; качество ответов в конкретных приложениях зависит от настройки и сценария использования.

FinChat298B_Llama-3.1-8Bi — дообученная gkMSDA инструктивная языковая модель семейства Llama 3.1 на базе NousResearch/Meta-Llama-3.1-8B-Instruct. Она предназначена для генерации текста и диалогового взаимодействия; карточка сообщает об использовании Unsloth и библиотеки Hugging Face TRL при обучении. Модель содержит 7,5 млрд параметров, имеет архитектуру LlamaForCausalLM и контекстное окно 131 072 токена. В метаданных указан английский язык; базовая модель поддерживает несколько языков, но отдельные языковые возможности дообученной версии не уточнены. Модель распространяется в формате safetensors по лицензии Apache-2.0. README не описывает специализацию дообучения или результаты оценки качества.

NotASI выпустил дообученную чат-модель на архитектуре Llama 3.2 с 3,2 млрд параметров. Она основана на unsloth/Llama-3.2-3B-Instruct-bnb-4bit и обучена в течение двух эпох на датасете mlabonne/FineTome-100k с использованием rsLoRA и QLoRA. Модель предназначена для диалогов и генерации текста; она использует тот же чат-шаблон, что и базовая модель, и поддерживает контекст до 131 072 токенов. Модель подходит для создания чат-ботов и ответов на запросы на английском языке. В карточке приведены результаты оценивания на отдельных тестах, включая IFEval и BBH, но они не гарантируют качество в конкретных задачах. Метаданные указывают лицензию llama3.2; README отдельно указывает Apache-2.0, поэтому условия лицензирования следует сверить перед использованием.

tanatapanun/flan-t5-2048-input-1-epochs — дообученная модель Google FLAN-T5-small с архитектурой T5ForConditionalGeneration и 45,8 млн параметров. Она предназначена для генерации текста по входному тексту и может применяться к широкому кругу NLP-задач, поддерживаемых базовой FLAN-T5, например к кратким ответам и преобразованию текста. Модель принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. В карточке приведены результаты оценки: loss 3,7962, ROUGE-1 0,0398, ROUGE-2 0,0089 и ROUGE-L 0,0346. Датасет дообучения обозначен как None, поэтому назначение и качество именно этой настройки по карточке уточнить нельзя.

Это производный квантованный артефакт модели Microsoft Phi-3-mini-4k-instruct, опубликованный пользователем chris320211. Он предназначен для генерации текста и диалогов; репозиторий содержит упакованные веса для runtime, а не обычный чекпойнт fp16. Архитектура — плотная Phi-3 с 3,7 млрд параметров и контекстом до 4096 токенов. В README приведено сравнение с исходной версией fp16 на WikiText-2 на NVIDIA A10G: квантованный вариант показал более высокую пропускную способность и меньшую потребность в VRAM, но более высокую perplexity. Для загрузки требуется специальный inference-адаптер и соответствующий репозиторий метода; стандартный вызов AutoModelForCausalLM.from_pretrained не подходит. Лицензия — MIT.

FuseO1-DeepSeekR1-Qwen2.5-Coder-32B-Preview-GGUF — GGUF-квантизированная версия текстовой генеративной модели FuseO1-DeepSeekR1-Qwen2.5-Coder-32B-Preview. Квантизацию выполнил bartowski с использованием llama.cpp версии b4514 и метода imatrix. Модель предназначена для генерации текста, включая сценарии программирования и работы с кодом; запуск возможен, в частности, через LM Studio и совместимые инструменты llama.cpp. Доступны варианты от BF16 до различных уровней квантизации Q8, Q6, Q5, Q4 и Q3, что позволяет выбирать баланс между качеством, размером файла и требованиями к памяти. Размер полной BF16-версии составляет около 65,54 ГБ, а варианты квантизации занимают примерно от 17,69 ГБ и выше. Для корректного общения README рекомендует специальный формат промпта с маркерами начала последовательности, пользователя и ассистента. Модель имеет сильные стороны в виде большого размера 32B, нескольких вариантов квантизации и поддержки локального запуска. При этом README не содержит точных сведений о контекстном окне, языках, мультимодальности, результатах оценки или ограничениях исходной модели. Репозиторий сохраняет старую версию весов; обновлённые веса опубликованы отдельно. Лицензия в предоставленных данных не указана.

Fwizzer v3 Titan RU — русскоязычная чат-модель для генерации текста и рассуждений, созданная разработчиком Fwizzer на базе LiquidAI/LFM2.5-VL-3B. По карточке, модель использует гибридную архитектуру Liquid Neural Network с backbone LFM2 размером 2,69 млрд параметров и дообучена на приватном датасете fwizzer-v3-titan-agentic, включающем примеры цепочек рассуждений и игровые проекты. Заявленное контекстное окно — до 32 768 токенов. Модель предназначена для ответов на вопросы, пошагового решения задач и генерации кода, в том числе автономных HTML5/WebGL-игр, приложений, скриптов на GDScript и Python для Blender. Доступны веса Safetensors и квантизированные сборки GGUF для локального запуска через LM Studio и Ollama. Метаданные указывают русский и английский языки; мультимодальность базовой модели не подтверждена для этой дообученной версии. Лицензия указана как other, поэтому условия использования следует проверять в репозитории.

Карточка модели bryordas/g-20-16-5e-5 на Hugging Face совпадает с карточкой bryordas/d-40-16-5e-5, поэтому описание составлено по ней. Модель bryordas/d-40-16-5e-5 — дообученная автором bryordas разговорная языковая модель семейства Llama на основе unsloth/meta-llama-3.1-8b-instruct-unsloth-bnb-4bit. Она предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. В карточке указаны английский язык и формат safetensors. Для обучения использовались Unsloth и библиотека TRL; конкретный набор данных и специализированная область применения не описаны. Модель распространяется по лицензии Apache-2.0. Данных о качестве и ограничениях дообучения в карточке нет.

jaspionjader/gamma-Kosmos-EVAA-8B — объединённая методом SLERP языковая модель, созданная автором репозитория с помощью mergekit из jaspionjader/Kosmos-EVAA-v12-8B и johnsutor/Llama-3-8B-Instruct_breadcrumbs-density-0.1-gamma-0.01. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и предназначена для генерации текста в диалоговом формате. Она принимает текстовые запросы и выдаёт текст; заявленная длина контекста — 8192 токена. Модель подходит для диалоговых приложений и генерации ответов на пользовательские запросы. Сведения о поддерживаемых естественных языках и специализированных предметных областях в предоставленных данных отсутствуют. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.