II.6Документация и сопровождение разработки

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 карточке также заявлен интерфейс вызова инструментов. Модель опубликована в форматах PyTorch и safetensors для Transformers и принимает контекст до 40 960 токенов. Модель лицензирована по Apache-2.0. Данные обучения и результаты оценки не описаны, поэтому качество и специализацию по отдельным темам оценить нельзя.

Это дообученная модель KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров, опубликованная в формате PyTorch и Safetensors. Она предназначена для генерации текста и диалогов; в метаданных также заявлен интерфейс вызова инструментов. Модель доступна через Transformers и поддерживает контекст до 40 960 токенов. Карточка не раскрывает датасет, детали обучения, оценку качества или конкретные сценарии применения. Указана лицензия Apache-2.0.

Это дообученная модель KKHYA на 1,7 млрд параметров, созданная на основе KKHYA/llavaqwen3-1.7b-finetune. Она использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и предназначена для генерации текста и диалогов; метаданные также указывают интерфейс вызова инструментов. Контекст модели составляет до 40 960 токенов. Модель принимает текст и выдаёт текст. Датасет дообучения не описан, поэтому область специализации и качество на конкретных задачах по карточке определить нельзя. Распространяется под лицензией Apache-2.0.

Это дообученная версия KKHYA/llavaqwen3-1.7b-finetune, разработанная KKHYA и предназначенная для генерации текста и диалогов. Модель содержит 1,7 млрд параметров, использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и запускается через Transformers; веса доступны в форматах PyTorch и Safetensors. Контекстное окно — до 40 960 токенов. Модель поддерживает текстовую генерацию и интерфейс вызова инструментов. Датасет дообучения не описан, поэтому назначение модели для конкретной предметной области и её качество по отдельным задачам оценить нельзя. Лицензия — Apache-2.0.

Это дообученная модель KKHYA/llavaqwen3-1.7b-finetune, опубликованная пользователем KKHYA. Она содержит 1,7 млрд параметров и предназначена для генерации текста и диалогов; карточка также указывает интерфейс вызова инструментов. Модель использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и доступна в форматах PyTorch и Safetensors. Заявленная длина контекста — 40 960 токенов. Модель принимает текст и выдаёт текст. Данные дообучения и результаты оценки не описаны, поэтому качество и специализацию модели по конкретным темам определить нельзя. Лицензия — Apache-2.0.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров. Она предназначена для генерации текста и диалогов; метаданные также указывают интерфейс для вызова инструментов. Модель построена на архитектуре NMMaskMoELLaVAQwen3ForCausalLM и доступна в форматах PyTorch и Safetensors. Родительская модель описана как Qwen3.

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 отмечен интерфейс вызова инструментов. Контекст составляет до 40 960 токенов. Модель загружает веса в форматах PyTorch и safetensors и распространяется по лицензии Apache-2.0. Данные обучения не описаны, поэтому область специализации и качество для конкретных задач определить нельзя.

jvjmoura/lllmjoao — дообученная автором jvjmoura языковая модель семейства Qwen3 для генерации текста и диалогов. В основе — unsloth/qwen3-4b-unsloth-bnb-4bit; модель имеет плотную архитектуру Qwen3ForCausalLM и около 3,7 млрд параметров. Она принимает текст и выдаёт текст, поддерживает контекст до 40 960 токенов и интерфейс вызова инструментов. В карточке указано, что модель обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель подходит для текстовых диалогов и генерации текста на английском языке. Лицензия — Apache-2.0. Карточка не приводит специализированных сценариев, результатов оценки качества или подробных ограничений; возможности вызова инструментов зависят от поддерживающего их интерфейса.

LongRAG_Ministral-8B-Instruct — языковая модель для генерации текста и диалогов, созданная дообучением Bui1dMySea на базе mistralai/Ministral-8B-Instruct-2410 на датасете LRGinstruction. Модель имеет плотную архитектуру MistralForCausalLM и 7,5 млрд параметров; доступна в формате Safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для текстовых диалогов и генерации ответов в сценариях, где требуется работать с длинным контекстом. В README приведён результат оценки на тестовой выборке: loss 0,0567; дополнительных сведений о методике оценки и качестве для конкретных задач нет. Использование чата подтверждается метаданными, но специальных возможностей RAG или поиска документов карточка не описывает. Лицензия указана как other, поэтому условия использования следует сверить с лицензией и файлами репозитория на Hugging Face. README не раскрывает ограничения модели и подробности обучения.

LuciferSparrow/loramerged — разговорная языковая модель семейства Llama, разработанная LuciferSparrow и дообученная на unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit. Модель предназначена для генерации текста в диалоге и запуска сценариев чат-ассистента. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст длиной до 131 072 токенов. В карточке указаны английский язык, библиотека Transformers и формат Safetensors. Для обучения применялись Unsloth и TRL. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения и не приводит результаты оценивания, поэтому качество для конкретных предметных задач по этим данным оценить нельзя.

LoRDCoder v0 12.6B — языковая модель с архитектурой LoRDCoder для генерации текста. Карточка содержит только название и краткий раздел об использовании, поэтому назначение и характеристики модели можно описать лишь в пределах подтверждённых данных. Модель предназначена для задач генерации текста. Репозиторий содержит веса в формате PyTorch. Размер модели в названии указан как 12,6 млрд параметров, а контекстное окно составляет 8192 токена. Модель разработана nolanoAI и распространяется по лицензии BigCode OpenRAIL-M.

MaLA-LM/lucky52-bloom-7b1-no-39 — многоязычная модель BLOOM, дообученная с настройкой на выполнение инструкций на основе параллельного датасета Bactrian-X. Авторы последовательно добавляли языки при обучении и создали 52 контрольные точки; эта карточка описывает одну из них. В метаданных указаны архитектура BloomForCausalLM, 9,1 млрд параметров и форматы PyTorch и Safetensors; для загрузки авторы рекомендуют библиотеку Transformers. Модель предназначена для генерации текста и выполнения инструкций на разных языках, включая ответы на вопросы. В README перечислены языки инструкций, среди них русский, английский, китайский, арабский, хинди, японский, немецкий, французский и другие. Модель основана на BLOOM 7B1 и обучена полным дообучением параметров. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Карточка не приводит численные показатели контекста или подробные оценки качества именно этой контрольной точки.

Lumimaid-Magnum-12B-GGUF — набор квантизированных моделей в формате GGUF, созданный bartowski на основе Undi95/Lumimaid-Magnum-12B. Модель предназначена для генерации текста и локального запуска через llama.cpp и совместимые приложения, включая LM Studio. Указанный шаблон запросов: <s> [INST] {prompt}[/INST]. В набор входят варианты с точностью от F16 до Q2_K, размером примерно от 5,3 до 24,5 ГБ. Квантизация выполнена с использованием llama.cpp версии b3825 и метода imatrix; доступны варианты, оптимизированные для ARM-процессоров. Основные достоинства — широкий выбор компромиссов между размером, качеством и требованиями к памяти, при этом варианты Q5 и Q6 отмечены как высококачественные и рекомендуемые. Более сильная квантизация снижает качество, а конкретные языки, размер контекста, архитектура исходной модели и мультимодальные возможности в README не указаны. Лицензия в предоставленных данных не указана, поэтому условия использования необходимо уточнять в карточке исходной модели Undi95/Lumimaid-Magnum-12B и для конкретного файла.

Lumimaid-Magnum-v4-12B-GGUF — это набор квантизированных файлов модели для генерации текста, подготовленный bartowski на основе Undi95/Lumimaid-Magnum-v4-12B. Модель создана в формате GGUF для запуска через llama.cpp и совместимых приложений, включая LM Studio. В README указано, что исходная модель является результатом объединения моделей, однако подробности её архитектуры, языков и контекстного окна не приведены. Доступны варианты от F16 до низкобитных Q2- и IQ-квантизаций размером примерно от 4,79 до 24,50 ГБ. Варианты Q6_K и Q6_K_L обеспечивают очень высокое качество, а Q4_K_M указан как типичный вариант по умолчанию с хорошим балансом качества и размера. Более компактные варианты подходят для систем с ограниченным объёмом оперативной памяти, но могут заметно уступать по качеству. Для взаимодействия рекомендуется формат промпта <s>[INST]{prompt}[/INST]. Квантизация выполнена с использованием imatrix и llama.cpp release b4381. Лицензия в предоставленных данных не указана.

M7Yamshadowexperiment28_Experiment24Experiment28 — слитая языковая модель на архитектуре Mistral, созданная объединением automerger/M7Yamshadowexperiment28-7B и automerger/Experiment24Experiment28-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста; контекст составляет до 32 768 токенов. Модель может использоваться для генерации продолжений текста и экспериментальных сценариев с языковыми моделями. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не сообщает о специализированных областях применения или языках, поэтому модель описывается как общего назначения.

M7Yamshadowexperiment28_Experiment27Experiment28 — объединённая модель для генерации текста, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/Experiment27Experiment28-7B. В метаданных архитектура указана как MistralForCausalLM: плотная трансформерная модель на 7,1 млрд параметров с контекстом до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. README не описывает специализацию, языки или результаты оценки качества модели.

MaziyarPanahi/M7Yamshadowexperiment28_Inex12Strangemerges_32 — объединённая модель на архитектуре Mistral, созданная слиянием automerger/M7Yamshadowexperiment28-7B и automerger/Inex12Strangemerges_32-7B. Она предназначена для генерации текста и принимает текстовые запросы, выдавая текстовые продолжения. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель распространяется по лицензии Apache-2.0. README и метаданные не описывают её специализацию, языки или оценку качества, поэтому её возможности сверх генерации текста и языковую поддержку нельзя уточнить.

MaziyarPanahi/M7Yamshadowexperiment28_Strangemerges_30Experiment26 — объединённая языковая модель на архитектуре Mistral с плотной архитектурой и 7,1 млрд параметров. Веса хранятся в формате safetensors; модель создана путём слияния automerger/M7Yamshadowexperiment28-7B и automerger/Strangemerges_30Experiment26-7B. Модель предназначена для генерации текста и принимает текстовые запросы, выдавая текстовые продолжения. Заявленная длина контекста — 32 768 токенов. Карточка не описывает специальные области применения, языки или отдельные возможности модели. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или подробных ограничений, поэтому пригодность для конкретных сценариев следует проверять отдельно.

EnlistedGhost/Magistral-Small-2509-Vision-GGUF — квантизированная GGUF-версия мультимодальной модели Magistral-Small-2509-Vision. Модель создана на базе оригинальных файлов, весов и компонентов MistralAI, а конфигурация, шаблон чата и системный промпт переработаны EnlistedGhost. Заявленный размер модели — 24 млрд параметров. Модель предназначена для диалоговых сценариев, обработки текста и изображений, а также задач image-text-to-text. Она поддерживает визуальный ввод благодаря повторно включённой vision tower и совместима с Ollama, Llama.cpp и Xllama. В README заявлена поддержка английского, русского и украинского языков. Доступны GGUF-файлы с различными уровнями квантизации, включая Q2_K_M, Q3_K_M, Q4_K_M, Q5_K_XL и Q6_K_L; для некоторых вариантов применён динамический метод GH5TS, сохраняющий более высокую точность в критически важных слоях. Сильные стороны модели — мультимодальность, поддержка локального запуска через распространённые GGUF-совместимые инструменты и наличие оптимизированных шаблонов чата. Ограничения включают зависимость от совместимого рантайма, компромиссы качества и объёма памяти из-за квантизации, а также отсутствие в README данных о размере контекста, производительности и точных требованиях к оборудованию. Модель распространяется по лицензии Apache-2.0.

Magnum-4B-KTO-experiment — диалоговая языковая модель, полученная слиянием моделей через mergekit. В основе лежит anthracite-org/magnum-v2-4b вместе с NewEden/KTOlora; применён метод passthrough, веса представлены в формате bfloat16 и safetensors. Модель построена на плотной архитектуре LlamaForCausalLM и содержит около 3,9 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Метаданные указывают контекст до 131 072 токенов и поддержку чата. Сведений о целевых языках и специальных предметных областях в предоставленных материалах нет. Лицензия в этих материалах не указана.

Magnum v4 123B — языковая модель Anthracite, предназначенная для генерации диалоговых ответов и прозы с качеством, близким к Claude 3 Sonnet и Opus. Это полноразмерное дообучение Mistral Large Instruct 2407 на наборах данных Anthracite, связанных с диалогами, инструкциями и прозой. Модель имеет плотную архитектуру MistralForCausalLM и 122,2 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык и контекст до 131 072 токенов. В метаданных также отмечен интерфейс вызова инструментов. Для запросов используется шаблон Mistral Instruct с маркерами [INST] и [/INST]. Модель подходит для диалоговых приложений и задач генерации прозы. Доступна в формате safetensors через Transformers. Лицензия указана как other; README не приводит её конкретные условия.

JunxiongWang/mamba_0_5_sft — разговорная языковая модель на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Разработчик дообучил JunxiongWang/zephyr_0.50_mamba_progressive на наборе JunxiongWang/sftdataset; карточка приводит значение loss 0,5661 на оценочном наборе. Модель предназначена для генерации текста в диалоговом формате. Её можно использовать для создания ответов на сообщения и ведения текстового диалога. Карточка не уточняет языки обучения, состав датасета и конкретные ограничения модели. Лицензия в предоставленных данных не указана.

MAmmoTH2-7B-Plus — языковая модель TIGER-Lab для генерации ответов и диалогового общения с усиленными навыками рассуждения. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, дообученная на инструкциях, собранных из веб-корпуса, и дополнительно обученная на открытых наборах инструкций. Модель принимает текст и поддерживает контекст до 32 768 токенов. Модель рассчитана на решение математических задач, ответы на вопросы и общение в формате чат-бота. В README приводятся результаты оценки MAmmoTH2-7B на математических тестах и отмечается, что качество зависит от сложности и особенностей задачи; математические области охвачены не полностью. Эти цифры относятся к MAmmoTH2-7B, а не непосредственно к версии Plus. Модель распространяется по лицензии MIT.

Карточка модели mahiatlinux/MasherAI-7B-v3 на Hugging Face совпадает с карточкой mahiatlinux/MasherAI-7B-v1, поэтому описание составлено по ней. MasherAI-7B-v1 — диалоговая языковая модель, разработанная mahiatlinux и дообученная на openchat/openchat-3.5-0106. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; для обучения использовались Unsloth и TRL. Модель предназначена для генерации текста в формате диалога: её можно применять для общения, ответов на вопросы и помощи с программированием и математическими рассуждениями — эти возможности описаны для базовой модели OpenChat. Поддерживаемый язык карточки — английский, длина контекста составляет 8192 токена. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. Карточка не приводит отдельной оценки качества или подробных ограничений MasherAI-7B-v1.

Master-Yi-9B — разговорная языковая модель семейства Llama, разработанная автором репозитория qnguyen3. Модель с 8,6 млрд параметров обучена методом ORPO на ответах, созданных из собранных людьми исходных вопросов и ответов нескольких высокопроизводительных открытых LLM. В репозитории представлены веса в формате safetensors; модель создана в мае 2024 года. Модель предназначена для генерации ответов в диалоге и особенно ориентирована на рассуждения при решении задач по программированию и математике. В README приведены результаты нескольких бенчмарков, включая GSM8K, MMLU и TruthfulQA. Базовое окно контекста составляет 4096 токенов. Модель принимает текстовые запросы и генерирует текст. README не подтверждает поддержку заявленной там отдельной версии Vision; для Master-Yi-9B указана только текстовая генерация. Известное ограничение — контекст до 4096 токенов; бенчмарковые оценки не гарантируют точность на конкретных задачах. Лицензия — Apache-2.0.

Matter 7B 0.2 — разговорная языковая модель, разработанная 0-hero и созданная полным дообучением Mistral 7B на наборе данных Matter 0.2. Модель построена на архитектуре Mistral с плотной причинно-языковой сетью и содержит 7,1 млрд параметров; нативная длина контекста — 32 768 токенов. Модель предназначена для диалога с помощником и генерации текста на английском языке. Она использует формат запросов ChatML и поддерживает интерфейс вызова функций, что позволяет применять её в чат-ботах и сценариях с подключением инструментов. В README рекомендуется системная инструкция «You are a helpful assistant». Набор Matter 0.2 составлен из более чем 35 датасетов и охватывает свыше 6 млрд токенов; на момент публикации он ещё не был выпущен. Модель распространяется по лицензии Apache-2.0. Результаты зависят от формулировки запроса и качества данных; карточка не приводит оценок производительности или подробных ограничений.

MeetInstruct-0.6B-v1.0 — небольшая плотная языковая модель Ma7ee7 для диалогов и выполнения общих инструкций. Она дообучена методом supervised fine-tuning на базе Qwen/Qwen3-0.6B-Base, содержит 507,9 млн параметров и принимает текст. В метаданных указан контекст до 32 768 токенов; этапы дообучения в карточке описаны с длинами контекста 4 096 и 8 192 токена. Модель предназначена для локальных чат-ассистентов, ответов на вопросы, переформулирования и суммаризации текста, мозгового штурма, простого программирования и выдачи структурированных ответов. Она ориентирована на естественный разговор, гибкий тон и следование инструкциям, но не рассчитана на уровень крупных моделей в сложных рассуждениях. Карточка описывает один этап общего обучения инструкциям и небольшой этап доработки на длинных диалогах. Модель поддерживает английский; автор предупреждает о возможных затруднениях в многоязычных задачах. Ограничения также включают сложную математику и генерацию кода, планирование, удержание контекста длинных бесед и склонность уверенно выдавать неверные сведения. Лицензия — Apache-2.0.

Mercury 2 — большая языковая модель рассуждений от Inception, представленная как первая reasoning diffusion LLM (dLLM). Вместо последовательной генерации токенов она параллельно создаёт и уточняет несколько токенов. Модель предназначена для генерации текста и задач рассуждения. В доступном описании заявлена высокая скорость работы. Данных о размере, контексте, поддерживаемых языках и лицензии нет.

Это объединённая модель семейства Gemma, созданная сообществом mergekit из unsloth/codegemma-7b и cloudyu/google-gemma-7b-chinese-sft-v1 методом SLERP. Модель содержит 8,2 млрд параметров, использует архитектуру GemmaForCausalLM и формат safetensors; заявленный контекст составляет 8192 токена. Модель предназначена для генерации текста, в том числе для сценариев с кодом и китайским языком, поскольку объединяет CodeGemma и китайскую SFT-модель Gemma. Сведения о лицензии и конкретных оценках качества в предоставленных данных отсутствуют.

TroyDoesAI/Mermaid_PythonCoder — текстовая генеративная модель на архитектуре Llama, предназначенная для ответов на запросы по программированию и генерации кода. README задаёт формат запроса с инструкцией и ожидаемым блоком кода; название указывает на специализацию на Python и Mermaid, но карточка не описывает её точнее. Модель содержит 10,6 млрд параметров, принимает текст и выдаёт текст. Контекст — до 4096 токенов. Опубликована в формате safetensors и распространяется по лицензии CC BY 4.0. Данных о базовой модели или способе её обучения в карточке нет.