II.6Документация и сопровождение разработки

Infomaniak AI подготовила модифицированную версию Google TranslateGemma 4B IT на архитектуре Gemma 3, настроенную для развёртывания с vLLM. Модель предназначена для перевода текста между 55 языками, а также для извлечения текста из изображения с последующим переводом. Для перевода используется шаблон чата с кодами исходного и целевого языков; их передают в формате `>>{source_lang}>>{target_lang}>>{текст}`. Конфигурация RoPE и шаблон генерации изменены для совместимости с vLLM. Компактный размер рассчитан на запуск на настольных компьютерах и в собственной облачной инфраструктуре. Модель принимает текст или изображение и генерирует перевод в виде текста. В README отмечены возможные ошибки при передаче языковых нюансов, неоднозначных выражений и сложного контекста, а также влияние смещений и пробелов в обучающих данных. Лицензия указана как Gemma; условия использования следует сверять с лицензией и политикой допустимого использования Gemma.

truongtn2003/vo-danh-qwen2.5 — дообученная разработчиком truongtn2003 языковая модель семейства Qwen2.5 на базе unsloth/Qwen2.5-3B-Instruct-bnb-4bit. Модель с архитектурой Qwen2ForCausalLM содержит 3,1 млрд параметров и рассчитана на генерацию текста в диалоговом формате; заявлены интерфейс вызова инструментов и контекст до 32 768 токенов. Карточка сообщает, что модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL, но не описывает набор данных, специализацию или результаты оценки. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0; качество и пригодность для конкретных задач следует проверять отдельно.

fractalego/wafl-phi3-mini-4k — разговорная языковая модель на архитектуре Phi-3, дообученная методом DPO на наборе данных WAFL. Модель содержит 3,7 млрд параметров и рассчитана на генерацию текста в диалоговом формате; её можно загрузить через Transformers с помощью from_pretrained(). Модель подходит для создания чат-ботов и генерации ответов на текстовые запросы. Контекстное окно составляет 4096 токенов. Репозиторий содержит веса в формате safetensors. Сведения о лицензии и конкретных ограничениях применения в предоставленных источниках отсутствуют.

WindyFloLLM — текстовая генеративная модель на архитектуре LLaMA, созданная автором репозитория путём слияния Platypus2-13B и orca_mini_v3_13b методом SLERP с помощью mergekit. Модель содержит 12,9 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации ответов и выполнения инструкций в текстовом диалоге. В качестве одного из компонентов использована Platypus2-13B — англоязычная инструкция-донастроенная модель, ориентированная в том числе на STEM и логические задачи; README подтверждает использование также orca_mini_v3_13b. Данные не устанавливают отдельную специализацию или качество итогового слияния. Лицензия в предоставленных данных не указана. Как генеративная языковая модель, она может выдавать ошибочные или непроверенные ответы.

Это набор GGUF-квантизованных версий инструкционной языковой модели wisenut-nlp-team-wisenut-llama-3-8B-0.7-Instruct. Исходную модель разработала команда Wisenut NLP Team, а квантизации подготовил Featherless AI Quants. Модель предназначена для генерации текста и выполнения задач по инструкциям, включая диалоговые и прикладные сценарии обработки естественного языка. Модель относится к семейству Llama 3 и содержит 8 млрд параметров. Она работает в текстовой модальности; сведения о поддерживаемых языках и размере контекстного окна в README не указаны. Доступны варианты квантизации IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0 размером примерно от 3 до 8 ГБ, что позволяет выбирать баланс между требованиями к памяти и качеством. Главное преимущество набора — возможность запускать модель в формате GGUF на совместимом программном обеспечении и подбирать уровень квантизации под имеющееся оборудование. При этом более агрессивная квантизация может снижать качество по сравнению с исходной моделью, а конкретные показатели производительности и качества в README не приведены. Лицензия и условия использования также не указаны.

hoduyquocbao/xiangqi-r1-0.5b — дообученная модель семейства Qwen2, опубликованная hoduyquocbao. Это плотная авторегрессионная языковая модель примерно на 494 млн параметров с контекстом до 32 768 токенов, предназначенная для генерации текста в диалоговом режиме. В карточке указано, что модель дообучена с использованием Unsloth и библиотеки TRL; репозиторий содержит веса в формате safetensors. Модель подходит для диалоговых сценариев и генерации текста. Метаданные также указывают интерфейс вызова инструментов, однако подробности его поддержки и результаты оценки качества в карточке не приведены. Указанный язык — английский. Модель распространяется по лицензии Apache-2.0.

YamExperiment26-7B — автоматически объединённая модель для генерации текста, созданная Maxime Labonne. В слиянии методом SLERP использованы mayacinka/yam-jom-7B и yam-peleg/Experiment26-7B; конфигурация задаёт смешивание слоёв внимания и MLP. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Модель принимает текст и генерирует текст, имеет контекст длиной до 32 768 токенов и распространяется в формате safetensors. Она подходит для экспериментов с генерацией текста и диалоговыми сценариями; README не уточняет специализацию или языки. Лицензия — Apache-2.0.

Yamshadowexperiment28M70.4-0.66-0.97-0.25-0.96-0.79-7B — объединённая текстовая модель на архитектуре Mistral, опубликованная пользователем aaron-di. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста; пример в карточке показывает использование в формате диалога через шаблон чата Transformers. Модель принимает текстовые запросы и выдаёт продолжение текста. Контекст составляет до 32 768 токенов. В карточке указана лицензия Apache-2.0. Данных о специальных областях применения и целевых языках нет.

Aaron Di разработал Yamshadowexperiment28M70.71-0.4-0.53-0.39-0.77-0.09-7B — объединённую языковую модель на архитектуре Mistral с 7,1 млрд параметров. Модель предназначена для генерации текста и диалогов; в карточке показан пример запуска через Transformers с шаблоном чата. Модель объединяет AurelPx/Percival_01-7b-slerp и liminerity/M7-7b. Длина контекста — 32 768 токенов, веса представлены в формате Safetensors. Лицензия — Apache-2.0. Карточка не содержит оценок качества или подробного описания специализации, поэтому пригодность для конкретных прикладных областей не подтверждена.

YamshadowInex12_T3qm7xpT3q — слитая модель для генерации текста, созданная объединением automerger/YamshadowInex12-7B и automerger/T3qm7xpT3q-7B. Она построена на плотной архитектуре Mistral с 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. Модель опубликована в формате safetensors под лицензией Apache-2.0. README не описывает специализированные сценарии, языки или результаты оценки качества; возможности сверх генерации текста по доступным сведениям не подтверждены.

YamshadowStrangemerges_32_Experiment26Yamshadow — объединённая модель для генерации текста, созданная путём слияния automerger/YamshadowStrangemerges_32-7B и automerger/Experiment26Yamshadow-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель предназначена для текстовых запросов и генерации продолжений или ответов в рамках задачи text-generation. Контекст модели составляет до 32 768 токенов. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. README и метаданные не описывают её специализацию, обучающие данные или сравнительные преимущества; качество ответов и пригодность для конкретных сценариев следует оценивать отдельно.

Это квантованная версия модели zephyr-7b-beta-Mistral-7B-Instruct-v0.2 в формате GGUF, подготовленная и опубликованная MaziyarPanahi. Модель основана на Mistral-7B и предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и совместимые приложения и библиотеки. В README также указано обучение исходной модели на наборах HuggingFaceH4/ultrachat_200k и HuggingFaceH4/ultrafeedback_binarized. Модель относится к классу текстовых генеративных моделей с примерно 7 млрд параметров. Доступны варианты квантования с разрядностью от 2 до 8 бит, включая семейства Q2_K, Q3_K, Q4_K, Q5_K и Q6_K, что позволяет выбирать компромисс между размером файла, требованиями к памяти и качеством. Указан английский язык, однако сведения о поддерживаемых языках, размере контекста и точных характеристиках архитектуры в README отсутствуют. Сильная сторона модели — возможность запуска локально на широком наборе платформ и аппаратных конфигураций с использованием GGUF-совместимых инструментов, включая llama.cpp, text-generation-webui, GPT4All, LM Studio и llama-cpp-python. Ограничения включают потерю качества при более агрессивном квантовании и отсутствие в предоставленных данных результатов бенчмарков, подробностей о безопасности и гарантии качества ответов. Для репозитория указана лицензия Apache-2.0.

Модель ShenaoZ/0.00005_withdpo_4iters_bs256_5102lr_iter_2 — дообученная версия ZhangShenao/0.0_ablation_sample1_4iters_bs256_iter_1 на обновлённом и исходном наборах данных. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Поддерживает контекст до 32 768 токенов и сохранена в формате safetensors. Модель можно применять для генерации ответов и ведения диалога. README не приводит результатов оценки или дополнительных сведений о её качестве и целевых сценариях. Лицензия — MIT.

0.0001_ablation_iter_2 — дообученная языковая модель семейства Mistral, созданная на основе ShenaoZ/0.0001_ablation_iter_1. Она предназначена для генерации текста и диалоговых ответов; обучение выполнено на обновлённом и исходном наборах данных. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии MIT. README не приводит оценок качества и подробного описания обучающих данных, поэтому пригодность для конкретных задач следует проверять самостоятельно.

Модель ShenaoZ/0.0001_sft_nodpo_3iters_bs256_555lr_iter_2 — диалоговая языковая модель семейства Mistral, дообученная на основе ShenaoZ/0.0001_sft_nodpo_3iters_bs256_555lr_iter_1 на обновлённом и исходном наборах данных. Она предназначена для генерации текста в формате диалога. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Весы доступны в формате Safetensors. Лицензия — MIT. Карточка не описывает конкретные сценарии применения, языки, результаты оценки или известные ограничения качества.

Это диалоговая языковая модель ShenaoZ, созданная дообучением ShenaoZ/0.0001_withdpo_5iters_bs256_5102lr_iter_2 на обновлённом и исходном наборах данных. Модель построена на архитектуре Mistral с плотной архитектурой и содержит 7,1 млрд параметров; она предназначена для генерации текста в диалоговом формате и поддерживает контекст до 32 768 токенов. Модель может использоваться для ответов в чате и генерации продолжений текста. Карточка не описывает конкретные области применения, языковую специализацию или результаты оценки качества. Модель опубликована в формате safetensors под лицензией MIT; сведения о лицензии базовой модели в доступных данных отсутствуют.

Это диалоговая языковая модель ShenaoZ, дообученная на базе ZhangShenao/0.0_ablation_sample1_4iters_bs256_iter_1 на обновлённом и исходном наборах данных. Модель семейства Mistral с плотной архитектурой MistralForCausalLM содержит 7,1 млрд параметров и принимает текстовые запросы, генерируя текст; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В карточке указаны обучение методом DPO и четыре итерации, однако подробности обучающих данных, оценки качества и конкретные ограничения не приведены. Репозиторий распространяется по лицензии MIT.

ShenaoZ/0.001_ablation_4iters_bs256_decalpha_iter_2 — дообученная модель на базе ShenaoZ/0.001_ablation_4iters_bs256_decalpha_iter_1, разработанная автором репозитория ShenaoZ. Она предназначена для генерации текста и диалогового общения. Модель имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; для хранения весов используется формат safetensors. По карточке, обучение продолжалось на наборах данных updated и original. Модель можно применять для диалоговых интерфейсов и генерации ответов на текстовые запросы. Репозиторий распространяется по лицензии MIT. README не приводит оценок качества и подробностей обучения или рекомендуемых сценариев, поэтому пригодность для конкретных задач следует проверять отдельно.

ShenaoZ/0.001_ablation_4iters_bs256_nodpo_iter_2 — дообученная разговорная языковая модель семейства Mistral с плотной архитектурой и примерно 7,1 млрд параметров. Она предназначена для генерации текста в диалоге. Модель дообучена на обновлённом и исходном наборах данных, однако их состав и целевые сценарии не описаны. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия — MIT. Карточка не сообщает результатов оценки и специфических ограничений качества.

ShenaoZ/0.01_ablation_5iters_bs256_nodpo_iter_2 — дообученная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста в диалоговом режиме; контекст составляет до 32 768 токенов. Модель дообучена на обновлённом и исходном наборах данных, названия которых приведены в карточке. Модель опубликована в формате Safetensors и распространяется по лицензии MIT. README не приводит подробностей о сценариях применения, языках, методике обучения или результатах оценки.

Fischerboot/14-test — текстовая диалоговая модель семейства Llama, созданная слиянием слоёв модели Fischerboot/13-test методом SLERP с помощью mergekit. Модель содержит 4,2 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текстовый контекст длиной до 8192 токенов. Модель предназначена для генерации текста в диалоговых сценариях. В README описана конфигурация слияния, использующая одни и те же диапазоны слоёв базовой модели; отдельные сведения о качестве и специальных прикладных областях не приводятся. Файлы модели представлены в формате safetensors. Лицензия в предоставленных данных не указана.

Это исследовательский чекпойнт на 1,7 млрд параметров семейства Qwen3, опубликованный пользователем yuq-zhou в стандартном формате Hugging Face Safetensors для загрузки через Transformers. Модель предназначена для генерации текста в диалоговом формате; метаданные также отмечают интерфейс вызова инструментов. Контекст модели составляет 40 960 токенов. Карточка называет репозиторий резервной копией исследовательского артефакта, но не описывает специальную предметную область, поддерживаемые языки или результаты оценки качества. Лицензия в предоставленных данных не указана.

yuq-zhou/2026-05-o-b0p3-a1p0-gc0p5-exp-td2p0-tw5p0-qwen3annot-q2-m-7 — контрольный чекпойнт на базе архитектуры Qwen2, опубликованный в стандартном формате Hugging Face Transformers. В репозитории указано 7,1 млрд параметров и контекст до 16 384 токенов; модель предназначена для генерации текста и поддерживает диалоговый интерфейс и интерфейс вызова инструментов. Карточка называет модель резервной копией исследовательского артефакта, но не описывает конкретную специализацию или качество. Указана лицензия не была, поэтому условия использования по имеющимся данным определить нельзя.

Это исследовательский контрольный чекпойнт языковой модели семейства Qwen3, опубликованный пользователем yuq-zhou в стандартном формате Hugging Face для загрузки через Transformers. Модель с плотной архитектурой Qwen3ForCausalLM содержит 1,7 млрд параметров и рассчитана на генерацию текста, включая диалоговые сценарии и интерфейс вызова инструментов. Длина контекста составляет 40 960 токенов. Карточка не описывает обучение, специализированные области или качество модели; название содержит пометку exp, а README называет репозиторий резервной копией исследовательского артефакта. Веса доступны в формате safetensors. Сведения о лицензии и языках в предоставленных данных отсутствуют.

brgx53/3Blarenegv3-ECE-PRYMMAL-Martial — текстовая генеративная модель, созданная автором репозитория слиянием SLERP двух предварительно обученных моделей: fblgit/cybertron-v4-qw7B-MGS и Tsunami-th/Tsunami-0.5x-7B-Instruct. Она основана на архитектуре Qwen2 и содержит 7,1 млрд параметров; репозиторий распространяет веса в формате safetensors, а карточка указывает библиотеку Transformers. Модель предназначена для генерации текста и диалогового общения. Она принимает текстовые запросы и выдаёт текст; заявленная длина контекста составляет 131 072 токена. README приводит результаты Open LLM Leaderboard, включая IFEval и BBH, но не содержит подробного описания поведения или результатов по практическим сценариям. Модель доступна по лицензии Apache-2.0. Известные ограничения: README не описывает целевые языки, отдельные области применения, качество ответов или проверенную поддержку вызова инструментов; наличие соответствующего интерфейса указано в метаданных, но примеров его использования нет.

yunconglong/7Bx4_DPO_2e — языковая модель семейства Mixtral с архитектурой Mixture of Experts и классом MixtralForCausalLM. Модель дообучена методом Direct Preference Optimization (DPO) на наборе предпочтений jondurbin/truthy-dpo-v0.1; конфигурация указывает на активацию двух экспертов на токен. Она предназначена для генерации текста, включая ответы в диалогах и следование предпочтениям, представленным при обучении. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors, лицензия — MIT. Данные не уточняют языки обучения и целевую предметную область, поэтому характеристики ответов на конкретных языках или в специализированных областях оценить нельзя.

Модель ashercn97/a1-v005 — диалоговая языковая модель семейства Qwen2, дообученная разработчиком ashercn97 на базе unsloth/qwen2.5-7b-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в чат-сценариях. Модель содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов; в карточке указан английский язык. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, обучающие данные или сравнительные результаты, поэтому её пригодность для конкретных областей и качество ответов следует оценивать на целевых примерах.

Abomination-v0.1-7b — экспериментальная текстовая генеративная модель, созданная пользователем tssst методом passthrough merge из 29 копий Meta Llama 3.2 3B; в карточке среди объединённых моделей указана unsloth/Llama-3.2-3B. Модель основана на плотной архитектуре LlamaForCausalLM и содержит 3,2 млрд параметров. Она предназначена для генерации текста и может использоваться в сценариях продолжения текста и диалога. Метаданные указывают контекстное окно до 131 072 токенов и библиотеку Transformers; репозиторий содержит веса safetensors. Языки и специальная предметная область в карточке не обозначены. Лицензия в предоставленных данных не указана.

ishikaa/acquisition_generator_AS_format_numina_llama8b — модель генерации текста на базе архитектуры Llama, опубликованная на Hugging Face и предназначенная для использования через библиотеку Transformers. По метаданным модель содержит около 7,5 млрд параметров и поддерживает контекст длиной до 131 072 токенов. Модель ориентирована на генерацию продолжений текста и диалоговых ответов в сценариях, где требуется работа с длинными входными последовательностями. Тег conversational указывает на пригодность к диалоговому применению, однако README не содержит сведений о разработчике, языках, данных обучения, результатах оценки или лицензии.

AI21-Jamba2-3B-GGUF — это набор квантизированных моделей для генерации текста, созданный сообществом bartowski на основе AI21-Jamba2-3B от AI21 Labs. Модели распространяются в формате GGUF и подготовлены с использованием llama.cpp и метода imatrix. Они предназначены для локального запуска и текстовой генерации в совместимых инструментах, включая llama.cpp, LM Studio, koboldcpp, Jan AI и Text Generation Web UI. В набор входят варианты от BF16 до квантизаций Q8, Q6, Q5, Q4, Q3 и IQ3/IQ4 с размером файлов примерно от 1,4 до 6,4 ГБ. Более высокие уровни квантизации обычно обеспечивают лучшее качество, тогда как компактные варианты подходят для систем с ограниченной оперативной памятью. Рекомендуемыми указаны многие варианты Q6, Q5 и Q4; Q4_K_M обозначен как типичный выбор для большинства сценариев. Для работы следует использовать указанный формат чата с системным сообщением, запросом пользователя и ответом ассистента. Сильные стороны модели — возможность локального запуска, широкий выбор компромиссов между качеством и потреблением памяти, а также совместимость с экосистемой llama.cpp. Ограничения включают неизбежную потерю качества при низких уровнях квантизации и возможную необходимость обновления программного обеспечения для недавно поддержанных моделей. В README не указаны архитектурные детали, поддерживаемые языки и размер контекстного окна. Указанная лицензия — Apache-2.0.