II.6Документация и сопровождение разработки

Lumi-tess — объединённая языковая модель на архитектуре Llama 3, созданная ryzen88 методом breadcrumbs_ties из Llama 3 Instruct Gradient 262k, Lumimaid и Tess. Модель содержит 69,5 млрд параметров и предназначена для диалоговой генерации текста с длинным контекстом; автор указывает контекст до 262 144 токенов и широкую совместимость с настройками сэмплирования. Модель подходит для диалогов и генерации текста в сценариях, где полезны длинный контекст и менее ограниченные ответы. Карточка не приводит результаты сравнительных оценок или перечень поддерживаемых языков. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

MaziyarPanahi/Llama-3-8B-Instruct-32k-v0.1-GGUF — это набор файлов модели в формате GGUF для MaziyarPanahi/Llama-3-8B-Instruct-32k-v0.1. Модель создана и квантована MaziyarPanahi; исходная архитектура и точные параметры в предоставленной карточке не раскрыты, однако из названия следует, что это instruct-модель семейства Llama с заявленным размером 8B и контекстом до 32k токенов. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через совместимые приложения и библиотеки. Формат GGUF ориентирован на использование с llama.cpp и поддерживается, среди прочего, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и Candle; возможна работа с GPU-ускорением в зависимости от выбранного инструмента и конфигурации. Доступны варианты квантования с разрядностью от 2 до 8 бит, что позволяет выбирать компромисс между размером файлов, требованиями к памяти и качеством генерации. Ограничения включают возможные потери качества из-за квантования, зависимость производительности от оборудования и программного окружения, а также отсутствие в README сведений о языках, точных характеристиках архитектуры, результатах тестирования и лицензии.

Llama-3-8B-Instruct-v0.3 — плотная авторегрессионная языковая модель семейства Llama, разработанная MaziyarPanahi на основе серии MaziyarPanahi/Llama-3-8B-Instruct-DPO. Она предназначена для диалогов и генерации текста; в карточке указана поддержка ChatML-шаблона, а метаданные отмечают возможность общения в чате. Модель содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель подходит для создания чат-ботов, ответов на вопросы и генерации текста на английском языке. Репозиторий содержит веса в формате safetensors, а для запуска README рекомендует библиотеку Transformers. Лицензия указана как other, без уточнения её условий в доступных данных.

MaziyarPanahi/Llama-3-8B-Instruct-v0.9-GGUF — это набор файлов модели в формате GGUF, подготовленный разработчиком MaziyarPanahi на основе модели MaziyarPanahi/Llama-3-8B-Instruct-v0.9. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и совместимые приложения и библиотеки. Известно, что модель относится к семейству Llama 3 и имеет размер 8B параметров. Доступны варианты квантования от 2 до 8 бит, что позволяет выбирать между меньшими требованиями к памяти и потенциальным сохранением качества. Формат GGUF поддерживается llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и другими инструментами. Сведения о языках, размере контекста, точной архитектуре и результатах оценки в README не указаны. Основные преимущества — локальное использование, широкий выбор уровней квантования и совместимость с различными клиентами, включая GPU-ускорение и OpenAI-совместимые серверные интерфейсы в отдельных инструментах. Ограничения и условия лицензии в README не описаны; перед использованием необходимо проверить лицензию исходной модели и соответствующие условия распространения.

Magpie-Align разработала Magpie-Align/Llama-3-8B-Magpie-Air-SFT-300K-v0.1 — чат-модель для генерации текста, дообученную методом supervised fine-tuning на 300 тысячах отфильтрованных примеров датасета Magpie-Air-300K-Filtered. В основе лежит Meta Llama 3 с плотной архитектурой LlamaForCausalLM; модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для диалогов и выполнения инструкций. Разработчики сообщают о результатах, сопоставимых с Llama-3-8B-Instruct на отдельных задачах и бенчмарках выравнивания; для оптимальной работы следует использовать официальный шаблон чата Llama 3. Карточка приводит оценки Alpaca Eval 2 и Arena Hard, но не описывает специализацию по предметным областям или отдельные языки сверх возможностей базовой модели. Модель основана на meta-llama/Meta-Llama-3-8B и распространяется по лицензии Meta Llama 3 Community License; применяются условия этой лицензии. Карточка рекомендует использовать официальный шаблон диалога Llama 3.

OpenRLHF подготовила контрольную точку Llama 3 8B, обученную с помощью RLHF и PPO. Это плотная авторегрессионная языковая модель с 7,5 млрд параметров для генерации текста и диалоговых сценариев; веса доступны в формате safetensors. Указанный контекст составляет 8192 токена. В README приведены параметры обучения: PPO с одной эпохой, нормализацией награды и ограничением выборки до 100 тысяч примеров для экономии ресурсов GPU. Модель можно применять для генерации ответов в диалоге и продолжения текста. README не раскрывает идентификаторы базовой SFT-модели, reward model и набора промптов, поэтому определить точную базовую модель по имеющимся данным нельзя.

JDBMG/Llama3-8B-SlimOrca_f16 — чат-модель на архитектуре Llama 3, разработанная JDBMG путём дообучения unsloth/llama-3-8b-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 7,5 млрд параметров и предназначена для генерации текста в диалоговом формате; её контекст составляет 8192 токена. Модель принимает текст и выдаёт текст. В метаданных указан английский язык. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0. Карточка не описывает специализированные области применения или результаты оценки качества.

princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

Карточка модели princeton-nlp/Llama-3-Base-8B-SFT-CPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Карточка модели princeton-nlp/Llama-3-Base-8B-SFT-DPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

Карточка модели princeton-nlp/Llama-3-Base-8B-SFT-KTO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

Карточка модели princeton-nlp/Llama-3-Base-8B-SFT-RDPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

Карточка модели princeton-nlp/Llama-3-Base-8B-SFT-RRHF на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Карточка модели princeton-nlp/Llama-3-Base-8B-SFT-SLiC-HF на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

llama-3-bophades-v2-8B — разговорная модель генерации текста, разработанная автором репозитория и созданная дообучением llama-3-sauce-v1-8B на наборах предпочтений jondurbin/truthy-dpo-v0.1 и kyujinpy/orca_math_dpo с помощью Direct Preference Optimization. В карточке также указана связь с Llama 3; метаданные описывают архитектуру как плотную LlamaForCausalLM с 7,5 млрд параметров. Модель предназначена для диалоговой генерации текста, включая ответы на вопросы и математические рассуждения. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и опубликована в формате safetensors для Transformers. Модель создана на основе llama-3-sauce-v1-8B; карточка указывает лицензию META LLAMA 3 COMMUNITY LICENSE AGREEMENT, а в метаданных лицензия обозначена как other. Перед применением следует ознакомиться с условиями лицензии Meta Llama 3. Данных о специальных ограничениях качества или безопасности в карточке нет.

haoranxu/Llama-3-Instruct-8B-CPO-SimPO — разговорная языковая модель семейства Llama, опубликованная разработчиком haoranxu. Это плотная авторегрессионная модель для генерации текста с поддержкой диалога; в карточке указаны 7,5 млрд параметров, контекст до 8192 токенов и формат safetensors. Модель предназначена для генерации ответов в чат-сценариях. Название и README указывают на совместное применение методов CPO и SimPO, однако подробности обучения и результаты вынесены во внешний GitHub и в карточке не раскрыты. Модель распространяется по лицензии MIT.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-RDPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

QuantFactory/Llama-3-Instruct-8B-SimPO-ExPO-GGUF — квантизированная версия модели Llama-3-Instruct-8B-SimPO-ExPO, созданная с помощью llama.cpp. В основе лежат Meta-Llama-3-8B-Instruct и Llama-3-Instruct-8B-SimPO; разработка ExPO выполнена в рамках подхода Weak-to-Strong Extrapolation, описанного в соответствующей научной работе. Метод объединяет веса SFT- и DPO/RLHF-чекпойнтов с коэффициентом extrapolation alpha = 0.3 для усиления соответствия человеческим предпочтениям. Модель предназначена для генерации текста и диалоговых сценариев, где важны качество следования инструкциям и предпочтительность ответов. Она поддерживает английский язык, относится к семейству моделей примерно на 8B параметров и поставляется в формате GGUF, ориентированном на запуск через совместимое программное обеспечение на базе llama.cpp. Данные о длине контекста, конкретных схемах квантизации и модальностях, кроме текстовой генерации, в README не указаны. По данным AlpacaEval 2.0, модель достигла 40,6% win rate и 45,8% length-controlled win rate, немного превысив исходную Llama-3-Instruct-8B-SimPO. На MT-Bench ExPO также повышал результаты исходных моделей в приведённых сравнениях. Ограничения включают зависимость качества от выбранного уровня квантизации и отсутствие в README подробностей о ресурсоёмкости, безопасности и поведении за пределами указанных бенчмарков. Лицензия указана как llama3.

Llama-3-MetaRP-V2-8B — слитая с помощью mergekit модель на архитектуре Llama 3, созданная из Undi95/Meta-Llama-3-8B-Instruct-hf и mpasila/Llama-3-LimaRP-Instruct-8B методом DARE TIES. Это диалоговая языковая модель для генерации текста и ответов в чате; репозиторий содержит веса в формате safetensors. Модель насчитывает 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. В карточке отмечены возможные проблемы с шаблоном промпта и ухудшение следования инструкциям после слияния, поэтому результаты диалога могут зависеть от корректного формата запросов. Лицензия — Llama 3.

Llama-3-Open-Ko-8B-Instruct-kookmin2 — дообученная языковая модель, опубликованная sungjineeee на основе beomi/Llama-3-Open-Ko-8B. Она предназначена для генерации текста и диалогового общения. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекстное окно 8192 токена. Модель принимает текст и генерирует текст. Базовая модель продолжила предобучение на корейских и англоязычных текстах; карточка этой версии не уточняет языковой охват дообучения. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Лицензия — Apache-2.0. README не приводит оценок качества или конкретных ограничений применения.

Llama-3-Perky-Pat-Instruct-8B-GGUF — квантизированная GGUF-версия инструкционной языковой модели Llama-3-Perky-Pat-Instruct-8B. В качестве базовых моделей указаны Meta-Llama-3-8B-Instruct от Meta и Llama-3-8B-Instruct-MopeyMule от failspy; исходная модель опубликована grimjim. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалогового взаимодействия по инструкциям. Она поддерживает текстовый ввод и вывод, использует формат промптов Llama 3 с ролями system, user и assistant. Размер базовой модели — 8 миллиардов параметров. Сведения о поддерживаемых языках и размере контекстного окна в README не указаны. Репозиторий содержит множество вариантов квантизации от Q8_0 до Q2_K и IQ2/IQ3/IQ4, что позволяет выбирать между качеством, размером файла и требованиями к памяти. Варианты Q5–Q6 и Q4 описаны как обеспечивающие высокое или хорошее качество, тогда как варианты Q2–Q3 экономят память, но заметно уступают по качеству. Лицензия указана как llama3; конкретные условия её применения следует проверять в документации лицензии Llama 3.

Llama 3 Tulu 2+DPO 8B — англоязычная диалоговая модель-помощник, разработанная AllenAI на базе Llama 3. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом 8192 токена. Она дообучена на смеси публичных, синтетических и созданных людьми инструкционных данных, а затем выровнена методом DPO на UltraFeedback. Модель предназначена для диалогов, выполнения инструкций и генерации ответов на английском языке. В карточке приведены результаты оценок на тестах рассуждения, вопросов и ответов, следования инструкциям и безопасности; показатели различаются по тестам и не гарантируют качество в конкретном применении. Для входа рекомендован формат Llama 3 с маркерами ролей и переводами строк. Модель распространяется по лицензии Apache 2.0. Она не прошла описанную в карточке дополнительную настройку на безопасные ответы и может выдавать проблемный контент, в том числе по соответствующему запросу.

Gargaz/llama-eryon — дообученная модель семейства Llama, разработанная Gargaz на базе unsloth/llama-3.2-1b-instruct-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная авторегрессионная языковая модель с архитектурой LlamaForCausalLM и 1,2 млрд параметров, предназначенная для генерации текста и диалогового общения. Заявленная длина контекста составляет 131 072 токена; модель принимает текст и выдаёт текст. Модель распространяется в форматах PyTorch и safetensors по лицензии Apache-2.0. В метаданных также отмечен интерфейс вызова инструментов, однако подробности его поддержки в README не приведены. Карточка не описывает специализацию дообучения или сравнительные результаты, поэтому пригодность для конкретных задач и качество ответов следует оценивать на собственных данных.

KKHYA/llavaqwen2.5-32b-finetune — дообученная модель на базе Qwen/Qwen2.5-32B, опубликованная в формате Safetensors и работающая с библиотекой Transformers. Архитектура указана как LlavaQwen2ForCausalLM, размер — 32 млрд параметров, контекст — до 131 072 токенов. Карточка не описывает датасет и конкретную специализацию дообучения. Модель предназначена для генерации текста в диалоговом режиме; метаданные также указывают интерфейс вызова инструментов. Базовая модель поддерживает мультимодальные сценарии, но сведения о том, как именно настроен ввод изображений в этой производной модели, отсутствуют. Лицензия — Apache-2.0.

KKHYA/llavaqwen2.5-32b-finetune-nm-mask-moe-4e-2k-2of4-imp-h200_20260815_093205 — языковая модель на архитектуре LlavaQwen2ForCausalLM с 32 млрд параметров. В метаданных указаны библиотека Transformers, форматы PyTorch и Safetensors, а также контекст длиной до 131072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия; метаданные также отмечают интерфейс вызова инструментов. README сообщает, что модель обучена с нуля, но не содержит сведений о датасете, оценке качества или предполагаемых сценариях применения. Лицензия в предоставленных данных не указана.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров. Она использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и предназначена для генерации текста и диалогов; в метаданных также заявлен интерфейс вызова инструментов. Модель принимает текст, поддерживает контекст до 40 960 токенов и распространяется в форматах PyTorch и Safetensors для библиотеки Transformers. Датасет и результаты оценки в карточке не описаны, поэтому качество в конкретных сценариях оценить нельзя. Модель распространяется по лицензии Apache-2.0.

Это дообученная модель KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров, опубликованная автором под лицензией Apache-2.0. Она использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и предназначена для генерации текста и диалогов; также заявлен интерфейс вызова инструментов. Модель работает с текстом и имеет контекстное окно до 40 960 токенов. Карточка не описывает обучающий набор данных, специализированные сценарии и результаты оценки качества. Поэтому пригодность для конкретных задач следует проверять отдельно; вызов инструментов предполагает наличие соответствующей обвязки в приложении.

Модель KKHYA/llavaqwen3-1.7b-finetune-nm-mask-moe-sparse-1e-1k-2of4-C1-fixmag-trainw_20260812_181743 — дообученная версия KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров. Она построена на архитектуре NMMaskMoELLaVAQwen3ForCausalLM и предназначена для генерации текста и диалогов; доступны интерфейс чата и интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, поддерживает контекст до 40 960 токенов. Датасет дообучения и результаты оценки в карточке не описаны, поэтому качество на конкретных задачах не установлено. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune. Она предназначена для генерации текста и диалогов; в метаданных также заявлен интерфейс вызова инструментов. Модель содержит 1,7 млрд параметров, использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и рассчитана на контекст до 40 960 токенов. Модель доступна в форматах PyTorch и safetensors по лицензии Apache-2.0. Данные обучения и специальные ограничения в карточке не описаны; поэтому качество и пригодность для конкретных сценариев требуют отдельной проверки.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune. Она использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и предназначена для генерации текста и диалогов; в метаданных также заявлен интерфейс вызова инструментов. Модель содержит 1,7 млрд параметров, принимает текст и генерирует текст. Её длина контекста составляет 40 960 токенов. Репозиторий содержит веса в форматах PyTorch и safetensors. Датасет дообучения не описан, поэтому нельзя оценить специализацию модели или качество на конкретных задачах. Лицензия — Apache-2.0.