II.6Документация и сопровождение разработки

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune. Она предназначена для генерации текста и диалогов; метаданные указывают поддержку интерфейса вызова инструментов. Модель содержит 1,7 млрд параметров, использует архитектуру NMMaskMoELLaVAQwen3 и доступна в форматах PyTorch и Safetensors. Контекстное окно составляет 40 960 токенов. Модель принимает текстовые запросы и выдаёт текст. Датасет дообучения и специальные сценарии применения не описаны. Лицензия — Apache-2.0.

Это дообученная версия KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров, построенная на архитектуре NMMaskMoELLaVAQwen3ForCausalLM и представленная в форматах PyTorch и Safetensors. Модель предназначена для генерации текста и диалогов; метаданные также указывают интерфейс вызова инструментов. Она принимает текст и выдаёт текст, а заявленная длина контекста составляет 40 960 токенов. Модель опубликована KKHYA и дообучена на неизвестном датасете; подробности обучения и оценки не приведены. Репозиторий распространяется по лицензии Apache-2.0.

Это дообученная версия KKHYA/llavaqwen3-1.7b-finetune, созданная разработчиком KKHYA на неизвестном датасете. Модель с архитектурой NMMaskMoELLaVAQwen3ForCausalLM и 1,7 млрд параметров предназначена для генерации текста и диалогов; поддерживает интерфейс вызова инструментов. Максимальная длина контекста — 40 960 токенов. В репозитории представлены веса PyTorch в формате safetensors. Модель можно использовать для диалоговых сценариев и генерации текста. README не приводит результатов оценки или дополнительных сведений о её специализации. Лицензия — Apache-2.0.

Это японско-английская инструкция-модель на 13 млрд параметров, разработанная совместным японским проектом LLM-jp. Она предназначена для генерации текста и ответов на инструкции. Модель построена на архитектуре GPT-2 и дообучена на наборах Dolly на английском и японском, а также на японских и английских инструкционных данных OpenAssistant и других наборах, упомянутых в карточке. Репозиторий содержит веса в формате Safetensors для Transformers. Контекст модели составляет 2048 токенов. Токенизатор Unigram byte-fallback имеет словарь из 50 570 элементов, рассчитанный преимущественно на японский и английский текст, а также исходный код. Модель может быть полезна для диалоговых ответов, выполнения инструкций и написания текста на этих языках. Проект предупреждает, что модель находится на ранней стадии разработки и не настроена для надёжного следования человеческим намерениям или требованиям безопасности. Лицензия — Apache-2.0.

Это дообученная модель Microsoft Phi-3.5-mini-instruct, созданная с помощью TRL. Она предназначена для генерации текста в диалоговом формате и ответов на пользовательские запросы; в карточке приведён пример запуска через Transformers pipeline. Модель имеет плотную архитектуру Phi-3 и содержит 3,7 млрд параметров. Она принимает текст и выдаёт текст, поддерживает контекст до 4096 токенов. В метаданных указана библиотека Transformers и формат весов safetensors. Карточка не описывает специализацию обучения или результаты оценки качества. Лицензия в предоставленных данных не указана.

ceia-aisdk/llm-small-v1 — распространяемый CEIA AI SDK артефакт GGUF с квантизированными весами модели Qwen3-4B-Instruct-2507. CEIA не обучала эти веса; модель основана на Qwen/Qwen3-4B-Instruct-2507 и представлена в формате GGUF с квантизацией Q4_K_M от bartowski. Модель предназначена для генерации текста и диалогового взаимодействия через CEIA AI SDK, включая ответы на запросы и следование инструкциям. Базовая модель — плотная языковая модель Qwen3 на 4 млрд параметров; каталог указывает поддержку чата и контекст до 262 144 токенов для базовой модели. Репозиторий содержит один файл model.gguf и распространяется по лицензии Apache-2.0, как и базовая модель. Квантизация сокращает требования к ресурсам, однако README не приводит измерений качества или производительности именно этой сборки.

LlongOrca 7B 16K — языковая модель для генерации текста, разработанная Open-Orca на базе архитектуры LLaMA и представленная в GGUF-формате с квантованными версиями, подготовленными TheBloke. Модель обучалась с использованием набора данных Open-Orca и ориентирована на работу с англоязычными текстами. Модель предназначена для диалоговых сценариев, генерации и продолжения текста, ответов на пользовательские запросы и локального запуска через llama.cpp и совместимые интерфейсы. Заявленный контекст составляет до 16K токенов. Для общения используется шаблон ChatML с ролями system, user и assistant. Доступны варианты квантования от 2 до 8 бит, что позволяет выбирать между меньшим потреблением памяти и сохранением качества. К сильным сторонам относятся увеличенное контекстное окно, поддержка локального CPU+GPU-инференса и совместимость с широким набором инструментов, включая llama.cpp, text-generation-webui, LM Studio, KoboldCpp и llama-cpp-python. README не содержит подробных результатов оценки качества, поэтому возможности модели в конкретных задачах нельзя надежно сравнить с другими моделями. Модель работает только с текстом; сведения о мультимодальности отсутствуют. Указанная лицензия — Llama 2.

Карточка модели srikanthmalla/lmsys-vicuna-13b-v1.5-16k на Hugging Face совпадает с карточкой lmsys/vicuna-7b-v1.5-16k, поэтому описание составлено по ней. 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.

Lobotollama-5.5B — разговорная языковая модель на архитектуре Llama, созданная путём слияния предварительно обученных моделей с помощью mergekit. В README указана Meta-Llama-3-8B-Instruct как одна из моделей, вошедших в слияние. Репозиторий содержит веса в формате safetensors; размер модели — 5,3 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Её можно использовать для ответов на вопросы, ведения беседы и генерации текста в приложениях на базе Transformers. Данные карточки не уточняют языки обучения или конкретные сценарии применения. Лицензия в предоставленных данных не указана.

Это экспортированная в ONNX версия модели Tryolabs для ответов на вопросы в диалоге. Она основана на LongT5-TGlobal-Base и дообучена на SQuADv2, CoQA и собственном наборе TryoCoQA. Архитектура LongT5 предназначена для работы с длинным текстом; размер модели — 123,7 млн параметров, контекст — до 4096 токенов. Модель подходит для извлечения ответов из текста и ответов на вопросы с учётом контекста беседы, например, по содержимому статей и документов. Экспорт разделяет вычисления на компоненты энкодера и декодера для запуска через ONNX Runtime и 🤗 Optimum. В README приведены результаты на тестовых наборах: F1 74,29 после обучения на SQuADv2 и CoQA и F1 54,77 после обучения на TryoCoQA. Лицензия в предоставленных данных не указана.

LongWriter-glm4-9b-abliterated-GGUF — это квантизированная GGUF-версия языковой модели LongWriter-glm4-9b-abliterated, разработанной byroneverson. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, диалогов и instruct-сценариев, включая задачи, требующие работы с длинным контекстом и создания объёмных текстов. Доступен специальный формат промпта GLM4 с ролями system, user и assistant. Модель относится к семейству GLM4 и содержит около 9 млрд параметров. Это текстовая модель без заявленной поддержки изображений или других модальностей; в README указан английский язык. Точная длина контекста не указана. Репозиторий предлагает варианты от F16 до компактных Q3-квантизаций, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Варианты Q6_K_L и Q6_K отмечены как близкие к исходному качеству, а Q4_K_M — как сбалансированный вариант. Сильные стороны модели — поддержка длинных текстовых сценариев, широкий выбор квантизаций и возможность локального запуска через llama.cpp или LM Studio. Ограничения включают отсутствие подробных данных о бенчмарках, фактическом размере контекстного окна, качестве на других языках и характеристиках безопасности; слово «abliterated» также указывает на модификацию исходной модели, поэтому поведение и защитные ограничения могут отличаться от оригинала. Указана лицензия Apache-2.0.

LongWriter-llama3.1-8b-GGUF — квантизированные версии языковой модели LongWriter-llama3.1-8b, разработанной THUDM и опубликованной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая работу с длинным контекстом. Указаны поддерживаемые языки английский и китайский, а также использование через llama.cpp и LM Studio. В основе лежит модель размером 8 млрд параметров; точные сведения об архитектуре и максимальной длине контекста в README не приведены. Доступны варианты от F32 до различных уровней квантизации Q8, Q6, Q5, Q4, Q3, Q2 и IQ, что позволяет выбирать между качеством генерации и требованиями к памяти. Варианты с более высокой точностью обеспечивают лучшее сохранение качества, а компактные версии подходят для систем с ограниченными ресурсами, но могут заметно уступать по качеству. Квантизация выполнена с использованием imatrix в llama.cpp на основе набора данных LongWriter-6k. Для взаимодействия рекомендуется формат промпта, указанный в карточке модели; шаблон чата автоматически не задан. Модель распространяется по лицензии llama3.1. Ограничения включают отсутствие заявленной поддержки изображений и других модальностей, а также неизбежные компромиссы в качестве у наиболее компактных вариантов.

DevQuasar-2/Luca-MN-bf16-GGUF — чат-модель для генерации текста в формате GGUF BF16. По метаданным, это производная от rAIfle/Luca-MN-bf16 модель, доступная для задач генерации текста.

Luxe_4B — плотная языковая модель семейства Llama от FourOhFour, созданная при участии участников Anthracite. Это производная модели Minitron: она прошла восстановительное дообучение и настройку для следования инструкциям на 70 млн качественных токенов. Модель предназначена для работы в роли универсального помощника и для ролевых диалогов. Модель содержит 3,9 млрд параметров, поддерживает контекст до 131 072 токенов и распространяется в формате Safetensors для Transformers. В README указано, что обучение проходило с контекстом 8 тыс. токенов; целевой контекст из метаданных больше. В карточке заявлен английский язык. Лицензия — Apache-2.0.

M7Yamshadowexperiment28_Experiment26Experiment24 — объединённая языковая модель, созданная MaziyarPanahi на основе automerger/M7Yamshadowexperiment28-7B и automerger/Experiment26Experiment24-7B. Это плотная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; репозиторий содержит веса в формате safetensors, а контекст составляет до 32 768 токенов. Модель можно применять для генерации продолжений текста, диалоговых ответов и других задач на основе текстового запроса. Карточка не приводит результатов оценки качества и не описывает отдельные специализированные возможности или целевые языки. Лицензия — Apache-2.0.

MaziyarPanahi/M7Yamshadowexperiment28_PasticheInex12 — объединённая автором модель на архитектуре Mistral для генерации текста и диалогов. Она создана слиянием automerger/M7Yamshadowexperiment28-7B и automerger/PasticheInex12-7B; модель содержит 7,1 млрд параметров и использует формат Safetensors. Модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. README не уточняет языковую специализацию, обучающие данные или сравнительные преимущества модели.

MaziyarPanahi/M7Yamshadowexperiment28_ShadowMeliodas — объединённая языковая модель, созданная из automerger/M7Yamshadowexperiment28-7B и automerger/ShadowMeliodas-7B. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она предназначена для генерации текста и диалогов с контекстом до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает специальные предметные области или дополнительные возможности.

Macaron-V1-Venti — модель MindLab Research для персонального помощника, работы с инструментами, программирования и генерации интерфейсов через код. Она построена на GLM-5.2 с архитектурой Mixture of LoRA: маршрутизатор выбирает одного из четырёх специалистов, предназначенных для диалога, задач персонального агента, программирования и Generative UI. В README указано 748 млрд параметров; метаданные Hugging Face сообщают 30,4 млрд параметров. README поясняет, что эти числа используют разные способы подсчёта: 748 млрд — заявленная характеристика выпуска, а объём сохранённых тензоров адаптеров приводит к оценке около 774,8 млрд логических параметров. Модель поддерживает контекст до 1 048 576 токенов, работает с Transformers и распространяется в формате safetensors. Модель предназначена для диалогов, агентских рабочих процессов с вызовом инструментов, задач программирования и генерации пользовательских интерфейсов. В карточке заявлены оценки на наборах для диалога, агентных задач, терминала и GenUI, однако они характеризуют систему целиком и не позволяют установить вклад отдельных специалистов или маршрутизатора. Поддерживаемые языки — английский и китайский. Лицензия — MIT. Ограничения включают слабые места при последовательных вызовах, зависящих от результатов предыдущих действий, и качественное ухудшение стабильности характера в очень длинных сессиях. Маршрутизатор выбирает одного специалиста на весь ход пользователя, поэтому смешанные намерения могут обрабатываться неудовлетворительно. Отдельная оценка безопасности отсутствует; модель не рекомендуется для самостоятельных решений в медицинских, юридических и финансовых сценариях.

FourOhFour/Magic_8B — дообученная разговорная языковая модель на архитектуре Mistral с 7,9 млрд параметров. Она предназначена для генерации текста в диалоговом формате; длина контекста составляет 8192 токена. Модель создана на основе Dans-DiscountModels/Mistral-NeMo-Minitron-8B-Base-ChatML с использованием Axolotl 0.4.1. В карточке приведён результат оценки: loss 1,0138. Данные о назначении, обучающем наборе и ограничениях в README не раскрыты. Модель опубликована в формате safetensors и использует лицензию, указанную в метаданных Hugging Face.

Magistral-Small-2506-GGUF — это GGUF-квантизированная версия языковой модели Magistral Small, разработанной Mistral AI. Файл подготовлен пользователем lmmy на основе llama.cpp, а распространением модели в рамках Community Model Program занимается сообщество LM Studio. Модель предназначена для генерации текста и задач, связанных с рассуждением, включая диалоговые сценарии, ответы на вопросы и обработку текстовых запросов. Модель поддерживает контекст длиной до 49 152 токенов и работает в формате GGUF, совместимом с llama.cpp и приложениями, использующими этот формат, включая LM Studio. В README не указаны точный размер модели, конкретная конфигурация архитектуры, поддерживаемые языки и модальности, а также параметры используемой квантизации. К сильным сторонам относятся большой контекст и возможность локального запуска через совместимое программное обеспечение. К ограничениям относятся потенциальное снижение качества из-за квантизации и отсутствие подробных данных о производительности, языковой поддержке и требованиях к оборудованию. Модель распространяется по лицензии Apache-2.0; при использовании следует учитывать, что она может генерировать неточные, вредные или неподходящие результаты.

Mahakal-AI-Fusion-v3.0 — текстовая генеративная модель, созданная автором UX4567 с помощью mergekit. Это слияние методом TIES модели Qwen/Qwen2.5-3B-Instruct и двух моделей автора: King-AI-Chat-v3.0 и Kartik-Kundli-AI-3B-v2.0. Модель построена на плотной архитектуре Qwen2 с 3,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для диалогов и генерации текста; в метаданных также указана поддержка интерфейса вызова инструментов. Базовая Qwen2.5-3B-Instruct — компактная многоязычная модель для выполнения инструкций и генерации структурированных ответов. Файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана. Качество, языковое покрытие и ограничения вызова инструментов отдельно не описаны.

MaxMini-Instruct-248M — модель семейства T5, разработанная автором репозитория suriya7 и дообученная для выполнения инструкций. Она преобразует текстовый ввод в текстовый ответ и рассчитана на широкий круг задач, формулируемых в виде инструкций. Модель имеет плотную архитектуру T5ForConditionalGeneration и содержит 123,8 млн параметров по метаданным каталога; в README указан размер 248 млн параметров. Длина контекста составляет 512 токенов. В карточке указаны датасеты databricks/databricks-dolly-15k и VMware/open-instruct, формат весов — safetensors. Лицензия — MIT.

EmbeddedLLM/Medusa2-Mistral-7B-Instruct-v0.2 — модель Medusa для Mistral 7B Instruct v0.2, обученная с использованием Medusa 2. Архитектура — плотная авторегрессионная языковая модель MistralForCausalLM с 7,1 млрд параметров; контекст — до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате, а Medusa используется для ускорения инференса за счёт предсказания нескольких токенов. Для обучения применён набор данных само-дистилляции Mistral 7B Instruct v0.2 с температурой 0,3 и целевой длиной вывода 2048 токенов. Модель рассчитана на сценарии чат-ответов и генерации текста; сведения о поддерживаемых естественных языках в предоставленных источниках отсутствуют. Репозиторий содержит веса PyTorch и использует лицензию Apache-2.0. Для загрузки README отсылает к инструкциям проекта Medusa на GitHub.

MeliodasPercival_01_AlloyingotneoyExperiment26 — объединённая модель Mistral, созданная путём слияния automerger/MeliodasPercival_01-7B и automerger/AlloyingotneoyExperiment26-7B. Она предназначена для генерации текста и диалоговых ответов. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Доступные сведения подтверждают задачу генерации текста, но не описывают особенности обучения, качества ответов или специализированные области применения.

MeliodasPercival_01_Ognoexperiment27Multi_verse_model — объединённая модель Mistral, созданная на основе automerger/MeliodasPercival_01-7B и automerger/Ognoexperiment27Multi_verse_model-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате safetensors по лицензии Apache-2.0. Карточка подтверждает объединение двух моделей и задачу генерации текста, но не описывает специализацию, языки или конкретные сценарии применения. Поэтому модель можно рассматривать для общего текстового диалога и генерации, учитывая, что качество и поведение в отдельных задачах не заявлены.

MeliodasPercival_01_ShadowExperiment28 — объединённая модель семейства Mistral на 7,1 млрд параметров, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/ShadowExperiment28-7B. Она предназначена для генерации текста и диалогов, в том числе с длинным контекстом до 32 768 токенов. Модель распространяется в формате Safetensors под лицензией Apache-2.0. Данных о специализации на конкретных языках или прикладных областях в карточке нет; качество и ограничения в README не описаны.

Memgpt-slerp-7b-1 — объединённая языковая модель, созданная автором liminerity с помощью LazyMergekit из starsnatched/MemGPT и starsnatched/MemGPT-3. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров; веса сохранены в формате safetensors. Модель предназначена для генерации текста и диалогового общения. Контекст модели составляет до 32 768 токенов. В конфигурации слияния использован метод slerp с базовой моделью starsnatched/MemGPT и точностью bfloat16. README не описывает отдельные сценарии применения, языки, результаты оценки или ограничения качества. Сведения о лицензии в предоставленных данных отсутствуют.

Memgpt-slerp-7b-2 — объединённая модель генерации текста, созданная liminerity с помощью LazyMergekit из starsnatched/MemGPT-3 и liminerity/Memgpt-slerp-7b-1. В README указан метод слияния slerp и формат bfloat16; метаданные описывают архитектуру как плотную MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалоговой генерации текста. Метаданные отмечают поддержку чата и задачу text-generation, однако README не приводит оценок качества или конкретных сценариев применения. Лицензия и поддерживаемые естественные языки в предоставленных источниках не указаны.

Mending-Hearts-12B — объединённая языковая модель, созданная автором Sorihon из предварительно обученных моделей с помощью mergekit и метода DARE TIES. В качестве базовой использована djuna/MN-Chinofun-12B-4; также в объединение вошли Vortex5/Nether-Moon-12B и MarinaraSpaghetti/NemoMix-Unleashed-12B. Модель семейства Mistral имеет плотную архитектуру MistralForCausalLM и 12,1 млрд параметров. Она предназначена для генерации текста и диалогового общения; заявленная длина контекста — 131 072 токена. Данные о поддерживаемых естественных языках и специализированных предметных областях в карточке не приведены. Карточка не содержит сведений о качестве на конкретных тестах или об известных ограничениях. Лицензия в предоставленных данных не указана.

jeiku/mergefodder1 — слитая языковая модель, созданная с помощью mergekit из jeiku/neurodeed и jeiku/luxemaelstrom методом SLERP. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 3,9 млрд параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста в диалоговом формате и чат-сценариев. Она принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.