II.6Документация и сопровождение разработки

Capytessborosyi 34B 200K DARE Ties GGUF — это квантизированная языковая модель для генерации текста, разработанная brucethemoose и преобразованная в формат GGUF пользователем TheBloke. Модель основана на архитектуре Yi и предназначена для работы с текстовыми запросами, включая диалоговые сценарии и локальный запуск через совместимые приложения и библиотеки. Модель имеет размер 34B параметров и заявленный контекст до 200K токенов; в метаданных указан английский язык. Доступны варианты квантизации от 2 до 8 бит, рассчитанные на инференс с использованием CPU и GPU. Формат GGUF поддерживается, в частности, llama.cpp, text-generation-webui, KoboldCpp, GPT4All, LM Studio и llama-cpp-python. Для диалогового взаимодействия в README приведён шаблон Orca-Vicuna с ролями SYSTEM, USER и ASSISTANT. К сильным сторонам относятся большой заявленный контекст, широкий выбор уровней квантизации и возможность локального запуска на различном оборудовании. К ограничениям относятся возможное снижение качества по сравнению с исходной неквантизированной версией при использовании агрессивной квантизации, а также отсутствие в README результатов тестирования и подробного описания специализации модели. Распространение регулируется лицензией yi-license; ссылка ведёт на лицензию исходной модели Yi-34B.

ccs-code-llama-7b — модель на основе Code Llama 7B, дообученная методом LoRA SFT для классификации Git-коммитов по десяти типам Conventional Commits, включая feat, fix, build, docs и ci. На вход модель принимает сообщение коммита и соответствующий git diff в заданном формате промпта, а генерирует текст с предсказанным типом коммита. Модель построена на плотной архитектуре Llama с 6,6 млрд параметров и контекстом до 16 384 токенов. В репозитории указаны веса safetensors и датасет 0x404/ccs_dataset. README не сообщает лицензию, поэтому условия использования по имеющимся сведениям определить нельзя.

CDPO-Zephyr-7B-iter-1 — диалоговая языковая модель, созданная Katayoon дообучением Katayoon/DPO-ONLY-Zephyr-7B на обновлённом и исходном наборах данных. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалогов и генерации текстовых ответов, включая продолжение текста и ответы на запросы в чате. Репозиторий содержит веса в формате Safetensors. Лицензия — MIT; в README сведения о конкретных сценариях применения и результатах оценки не приведены.

Weyaxi/ChatAYT-Lora-Assamble-Marcoroni — языковая модель семейства Llama, представленная в формате safetensors и содержащая 12,9 млрд параметров. Она предназначена для генерации текста; карточка приводит результаты оценки на Open LLM Leaderboard, включая средний балл 51,0, ARC и HellaSwag. Контекст модели составляет 4096 токенов. Модель подходит для генерации ответов и продолжения текста в сценариях, где достаточно контекста до 4096 токенов. В карточке не описаны специализация, поддерживаемые естественные языки, базовая модель или условия лицензии, поэтому их нельзя определить по имеющимся данным.

ChatFrame-Uncensored-Instruct-Small — англоязычная разговорная языковая модель, разработанная AIFRAME INC. Это плотная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста в формате диалога; заявленная длина контекста — 8192 токена. Разработчики описывают её как модель с менее ограниченными ответами на широкий круг тем. Модель подходит для диалогов с ИИ-компаньоном, создания контента, ответов на вопросы и прототипирования приложений с генерацией текста. В README также заявлена возможность коммерческого использования и дообучения; лицензия в метаданных — MIT. Данных о конкретной базовой модели или процедуре обучения в доступных материалах нет.

humarin/chatgpt_paraphraser_on_T5_base — модель для перефразирования текста, созданная автором репозитория на основе T5-base с помощью дообучения. Она обучалась на наборе ChatGPT paraphrases, основанном на парафразах вопросов Quora, текстах SQuAD 2.0 и новостях CNN. Модель принимает текст и генерирует его переформулировку, например для изменения формулировки вопроса или предложения. Модель использует архитектуру T5ForConditionalGeneration, содержит 123,8 млн параметров и имеет контекст 512 токенов. В метаданных указан английский язык и формат text-generation; доступны веса PyTorch и Safetensors. Лицензия — OpenRAIL. Карточка заявляет о качестве парафразирования, сопоставимом с ChatGPT, но независимые подтверждения этой оценки не приведены.

thuyduongjoe123/checkpoints_vi_lo_feat — текстовая генеративная модель из семейства Qwen3 с примерно 1,7 млрд параметров. Модель доступна для использования через библиотеку Transformers и поддерживает контекст длиной до 40 960 токенов. В метаданных также указана conversational-направленность и формат safetensors. Модель предназначена для генерации продолжений текста и построения диалоговых сценариев: ответов на запросы, ведения беседы, подготовки черновиков и других задач, требующих генерации текста. README создан автоматически и не содержит сведений о разработчике, обучающих данных, результатах оценки, лицензии, поддерживаемых естественных языках или конкретной специализации модели. Из-за отсутствия подробной документации нельзя подтвердить качество на отдельных языках и доменах, устойчивость к фактическим ошибкам или пригодность для критически важных применений. Условия лицензирования также не определены в доступных источниках.

Chichu 1.5 Flash — компактная языковая модель Sebastianpro88, дообученная методом LoRA на базе HuggingFaceTB/SmolLM2-135M-Instruct. Модель построена на плотной архитектуре семейства Llama, содержит около 134,5 млн параметров и использует контекст до 8192 токенов. Модель предназначена для диалогов и генерации текста, выполнения инструкций, написания кода, математических задач и рассуждений. Для обучения использованы трассы дистилляции от нескольких моделей-учителей по темам математики, кода, рассуждений, инструкций и работы с инструментами. В README указана поддержка английского языка, а генерация кода показана для Python и JavaScript. Веса опубликованы в формате safetensors. Лицензия обозначена как other; конкретные условия использования в предоставленных данных не раскрыты. Компактный размер ориентирован на быстрый запуск, но сам по себе не гарантирует точность: качество ответов и сложных рассуждений следует проверять на целевых задачах.

Sakalti/chromet1-0.6b — языковая модель для генерации текста, созданная слиянием SLERP двух предварительно обученных моделей: Qwen/Qwen2.5-0.5B-Instruct и llm-jp/llm-jp-3-1.8b. В метаданных указаны архитектура LlamaForCausalLM, плотная архитектура, 1,6 млрд параметров и контекст до 4096 токенов; модель распространяется в формате Safetensors и рассчитана на использование через Transformers. Модель подходит для генерации текста и ответов на инструкции в компактных приложениях. В слиянии использованы instruct-модель Qwen и японская языковая модель llm-jp, однако README не описывает отдельно подтверждённые языки или сценарии применения итогового чекпойнта. Лицензия в предоставленных данных не указана.

yagosys/cloudinit-embedding-v4 — модель Sentence Transformer, дообученная разработчиком на базе sentence-transformers/all-MiniLM-L6-v2 для создания плотных векторных представлений предложений и абзацев. Энкодер на архитектуре BERT содержит около 25,9 млн параметров; README описывает усреднение токенных представлений с последующей нормализацией, размер вектора 384 и косинусную меру сходства. Метаданные указывают контекст до 512 токенов, а README — максимальную длину последовательности 256 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текстов. В README указано обучение на 37 парах примеров с оценками сходства и функцией CosineSimilarityLoss, поэтому качество может быть ограниченным для задач, выходящих за рамки этих данных и близких формулировок. Базовая модель ориентирована на английский язык; лицензия в предоставленных источниках не указана.

CodeBERTa-language-id — модель Hugging Face для определения языка программирования по фрагменту исходного кода. Она создана дообучением CodeBERTa-small-v1 с добавленной головой классификации последовательностей и использует архитектуру RoBERTa. Модель предназначена для классификации образца кода по языку программирования. В README сообщается, что на оценочном наборе точность и F1 превышают 0,999. Размер модели — 96,6 млн параметров, контекст — 514 токенов. Репозиторий содержит варианты весов для PyTorch, TensorFlow и Flax; лицензия — Apache-2.0. Оценка в README относится к указанному набору данных и не гарантирует такую же точность на произвольном коде, коротких фрагментах или языках вне обучающей выборки. Это классификатор языков программирования, а не средство перевода или генерации кода.

Configurable-Llama-3-8B-v0.1 — это дообученная Vicgalle языковая модель семейства Llama 3 для диалоговой генерации текста. Она использует метод configurable safety tuning и датасет vicgalle/configurable-system-prompt-multitask. Поведение настраивается системным сообщением: модель можно задать как безопасного помощника, помощника без ограничений, честного и беспристрастного собеседника или ролевую персону. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Она принимает текст и генерирует текст; в карточке указано применение через шаблон диалога Transformers. Модель распространяется в формате safetensors по лицензии Apache 2.0. Карточка предупреждает, что доступна более новая версия модели и обычно рекомендуется использовать её. Качество и поведение зависят от выбранной системной инструкции; настройки «без ограничений» могут приводить к генерации вредного или незаконного контента.

Crimson_Dawn-v0.2-GGUF — набор GGUF-квантизаций базовой модели Epiculous/Crimson_Dawn-v0.2, подготовленный пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, включая диалоговые и ролевые сценарии, а также задачи написания текстов и следования инструкциям; это следует из состава обучающих наборов, в который входят датасеты для roleplay, instruct и writing. Заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Модель работает в текстовой модальности и распространяется в различных вариантах точности — от F16 и Q8_0 до более компактных Q2/Q3/Q4/Q5/Q6-квантизаций. Размеры файлов составляют примерно от 5,45 до 24,50 ГБ, что позволяет выбирать между качеством генерации и требованиями к памяти. Точная архитектура, число параметров и размер контекста в README не указаны. К сильным сторонам относятся широкий выбор квантизаций, включая варианты, оптимизированные для ARM, а также заявленное высокое качество рекомендуемых Q5 и Q6-вариантов. Ограничения связаны с возможной потерей качества у низкобитных квантизаций и отсутствием подробных сведений о базовой архитектуре и контекстном окне. Для запуска рекомендуется использовать llama.cpp или LM Studio и указанный шаблон prompt format. Модель распространяется по лицензии Apache-2.0.

Dans-PersonalityEngine-V1.1.0-12b — англоязычная разговорная модель PocketDoc, дообученная на базе mistralai/Mistral-Nemo-Base-2407. Это плотная авторегрессионная модель Mistral с 12,1 млрд параметров; метаданные указывают контекст до 1 024 000 токенов, тогда как README рекомендует 32 768 токенов. Модель работает с текстом и использует формат диалога ChatML. Модель предназначена для ролевых диалогов, совместного написания историй, текстовых приключений и общего ассистирования. Её также можно использовать для суммаризации, анализа тональности, ответов на вопросы, программирования и вызова инструментов в текстовых сценариях. В описании обучения указаны одноходовые и многоходовые инструкции, диалоги с ролями и примеры использования инструментов. Модель выпущена под лицензией Apache-2.0. README рекомендует температуру 1,0, top-p 0,95 и min-p 0,05. Качество и фактические возможности для отдельных задач не подтверждены оценками; языковая поддержка в карточке обозначена как английская.

DataDecide-dclm-baseline-qc-7p-fw2-1B-47500_50000_52500_55000_57500_weightedavg_merge — объединённая предобученная языковая модель, созданная с помощью mergekit методом Linear. В качестве базовой при слиянии использована контрольная точка step57500; также объединены контрольные точки step47500, step50000, step52500 и step55000 из семейства dclm-baseline-qc-7p-fw2. Архитектура — плотная LlamaForCausalLM, размер — 1,2 млрд параметров. Модель предназначена для генерации текста. Её можно применять в сценариях автодополнения и генерации связных продолжений по текстовому запросу. Контекст составляет 2048 токенов; репозиторий использует формат safetensors и библиотеку Transformers. В карточке нет сведений о целевых языках и специализированных областях применения. Лицензия в предоставленных данных не указана.

DataDecide-dolma1_7-1B-55000_57500_60000_62500_65000_weightedavg_merge — объединение предварительно обученных языковых моделей, созданное автором карточки с помощью mergekit. В основе объединения лежит линейное смешивание пяти чекпойнтов семейства dolma1_7; архитектура — плотная LlamaForCausalLM с 1,2 млрд параметров, веса сохранены в формате safetensors. Модель предназначена для генерации текста и имеет контекст длиной до 2048 токенов. Её можно использовать для продолжения текста и других задач генерации на основе языковой модели. README не описывает специальные прикладные области, конкретные языки или сравнительные преимущества объединённого чекпойнта. Лицензия в предоставленных данных не указана.

DataDecide-falcon-and-cc-qc-10p-1B-5500057500600006250065000weightedavgmerge — объединённая языковая модель, созданная с помощью mergekit. В README указано линейное слияние нескольких предобученных чекпойнтов из серии falcon-and-cc-qc-10p; один из них использован как базовый при слиянии. По метаданным это плотная LlamaForCausalLM примерно на 1,2 млрд параметров, предназначенная для генерации текста и имеющая контекст до 2048 токенов. Модель может применяться для генерации продолжений и ответов на текстовые запросы. README и метаданные не описывают специализированные области применения, поддерживаемые языки или сравнительные качества модели. Репозиторий содержит веса safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Это GGUF-квантизированная версия инструкционной модели LlamaThink-8B-instruct, разработанной DavidBrowne17 и подготовленной квантизатором bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска локально через LM Studio, llama.cpp и другие совместимые проекты на базе llama.cpp. В README также приведён специальный шаблон prompt с системными и пользовательскими сообщениями. Модель имеет размер 8B параметров; конкретная архитектура, поддерживаемые языки, модальности и размер контекстного окна не указаны. Доступны варианты квантования от Q8_0 до Q2_K_L, с размером файлов примерно от 3,69 до 8,54 ГБ. Более высокие варианты квантования обеспечивают лучшее качество, тогда как менее точные требуют меньше оперативной памяти; рекомендуемым вариантом общего назначения назван Q4_K_M, а Q6_K и Q6_K_L характеризуются как варианты очень высокого качества. Основное преимущество этой версии — возможность локального запуска при выборе подходящего уровня квантования и аппаратных ресурсов. Ограничения связаны с потерями качества на низких уровнях квантования, а также с отсутствием в предоставленных данных подробных сведений о результатах оценки, языках и фактических возможностях модели. Лицензия — Apache-2.0.

Это набор GGUF-квантизированных версий языковой модели Gemma 3 40B, разработанной ddh0 и подготовленной квантизатором bartowski. Модель предназначена для генерации текста и локального запуска в совместимых приложениях, включая LM Studio, llama.cpp и другие проекты на его основе. В набор входят варианты от BF16 до низкобитных Q2 и IQ-квантизаций размером примерно от 15,5 до 79,6 ГБ. Доступны различные уровни компромисса между качеством, требованиями к памяти и скоростью инференса; наиболее качественными и рекомендуемыми в README названы варианты Q6_K, Q6_K_L, Q5 и Q4. Архитектура, поддерживаемые языки, модальности и размер контекста в предоставленных данных не указаны. Сильной стороной модели является широкий выбор квантизаций, позволяющий адаптировать запуск к доступным ресурсам, при этом старшие варианты сохраняют качество, близкое к исходной модели. Низкобитные варианты требуют меньше памяти, но могут заметно уступать по качеству. Для модели не указан отдельный chat template, поэтому используется шаблон по умолчанию, который может быть некорректным; рекомендуется сверяться с карточкой исходной модели. Лицензия указана как Gemma.

DeepCode-7B-Aurora-v2 — объединённая модель генерации текста, созданная ALBADDAWI с помощью LazyMergekit на основе DeepSeekMath-7B-Instruct, DeepSeekMath-7B-Base и DeepSeekMath-7B-RL. Это диалоговая модель на архитектуре Llama с плотной структурой и 6,5 млрд параметров; она предназначена для генерации ответов и текста, в том числе в математических сценариях. Контекст модели составляет 4096 токенов. Модель подходит для диалогового помощника, решения математических задач и генерации кода. Репозиторий содержит веса в формате safetensors. Лицензия — MIT.

mlx-community/DeepSeek-R1-4bit — это 4-битная версия модели DeepSeek-R1, разработанной командой DeepSeek и преобразованная сообществом mlx-community в формат MLX. Конвертация выполнена с использованием mlx-lm версии 0.21.0. Модель предназначена для локального запуска и генерации текста через библиотеку mlx-lm, включая сценарии с чат-шаблоном и передачей сообщений пользователя. README не содержит сведений о точной архитектуре, количестве параметров, поддерживаемых языках и модальностях, размере контекста, результатах тестирования, ограничениях или лицензии, поэтому эти характеристики нельзя достоверно оценить по представленным данным.

Suayptalha/DeepSeek-R1-Distill-Llama-3B — диалоговая языковая модель на архитектуре Llama 3.2, дообученная методом дистилляции на данных ServiceNow-AI/R1-Distill-SFT. Она предназначена для генерации ответов и решения задач рассуждения в формате чата. Модель содержит 3,2 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. Для работы используется библиотека Transformers и шаблон запросов Llama 3. В README приведены параметры обучения: одна эпоха, batch size 16 и оптимизатор paged_adamw_8bit. В доступных результатах Open LLM Leaderboard указаны средняя оценка 23,27, IFEval 70,93 и BBH 21,45; эти значения сами по себе не гарантируют качество на прикладных задачах. Карточка указывает английский язык. Модель распространяется по лицензии Llama 3.2.

mlx-community/DeepSeek-R1-Distill-Llama-70B-8bit — это 8-битная версия модели DeepSeek-R1-Distill-Llama-70B, преобразованная в формат MLX сообществом mlx-community. Конвертация выполнена из исходной модели deepseek-ai/DeepSeek-R1-Distill-Llama-70B с использованием mlx-lm версии 0.20.2. Модель предназначена для генерации текста и диалоговых сценариев в экосистеме MLX, включая запуск через библиотеку mlx-lm. README не содержит подробных сведений об архитектуре, числе параметров, поддерживаемых языках, размере контекста, модальностях, результатах тестирования или сильных и слабых сторонах модели. Известно только, что используется 8-битное представление и предусмотрена поддержка chat template при наличии соответствующей конфигурации токенизатора. Для использования требуется установить mlx-lm и загрузить модель по её идентификатору. Лицензия в README не указана, поэтому условия использования определить по предоставленным данным невозможно.

DeepSeek-R1-Distill-Qwen-1.5B-GGUF — это GGUF-версия дистиллированной языковой модели DeepSeek-R1-Distill-Qwen-1.5B. Модель разработана командой DeepSeek, а данный вариант опубликован Unsloth. Она предназначена для локального запуска и генерации текста, включая ответы на вопросы, диалоговые сценарии и задачи рассуждения. Модель относится к семейству Qwen и имеет размер 1,5 млрд параметров. Это текстовая модель, работающая через llama.cpp; в README приведены примеры квантования Q4_K_M и использования KV-кэша Q8_0, а также возможность частичного переноса слоёв на GPU. Указан английский язык. Длина контекста и более подробные характеристики архитектуры в предоставленных данных не указаны. К сильным сторонам относятся небольшой размер, возможность локального запуска на доступном оборудовании и поддержка GGUF-квантизаций, снижающих требования к памяти. Ограничения включают неизвестные в README показатели качества, отсутствие заявленной мультимодальности и неполные сведения о контексте и языковой поддержке; для корректного диалога требуется использовать специальные токены или совместимый chat template. Модель распространяется по лицензии Apache-2.0.

DeepSeek-V4-Flash-4bit — модель для генерации текста в формате MLX, опубликованная сообществом mlx-community при поддержке Lambda.ai. Она предназначена для использования с библиотекой mlx-lm и поддерживает сценарии диалоговой генерации через chat template, если такой шаблон доступен в токенизаторе. Из доступных данных известно, что модель представлена в 4-битном варианте, что указывает на применение 4-битного квантования. README не содержит сведений об архитектуре, количестве параметров, поддерживаемых языках, размере контекста, дополнительных модальностях, сильных сторонах, ограничениях или лицензии. Для работы требуется библиотека mlx-lm; конкретные требования к оборудованию в карточке не указаны.

Это диалоговая языковая модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и примерно 801 млн параметров. По карточке она обучена с нуля на наборах данных Magpie и delphi_warmup; доступные веса представлены в формате safetensors. Модель предназначена для генерации текста в диалоговом режиме. Контекст составляет 4096 токенов. Карточка не приводит сведения о целевых сценариях, оценках качества или ограничениях применения. Лицензия указана как other, поэтому конкретные условия использования следует сверить с лицензией репозитория.

Модель laion/delphi-9e18-p33m67-k0p20-lr83-a002-magpie_lr1e5-sft — диалоговая языковая модель семейства Qwen3, разработанная LAION и обученная с нуля на наборах данных Magpie и delphi_warmup. Она предназначена для генерации текста в формате диалога и может использоваться для ответов на запросы и ведения беседы. Модель содержит 402,6 млн параметров, работает с контекстом до 4096 токенов и представлена в формате safetensors для Transformers. Лицензия указана как other; конкретные условия в доступных данных не раскрыты.

DeltaP2S-Gemma7B-SameFormula-Code-S13-a05 — объединённый чекпойнт, созданный экспериментальным пакетом Delta-P2S. В основе лежит google/gemma-7b; модель относится к семейству Gemma, использует плотную архитектуру GemmaForCausalLM и содержит 8,2 млрд параметров. Репозиторий содержит веса в формате safetensors, рассчитанные на работу через Transformers. Модель предназначена для генерации текста. Контекст составляет 8192 токена. В карточке нет сведений о специализированных областях, поддерживаемых языках, качестве на конкретных задачах или дополнительных возможностях, поэтому их нельзя подтвердить. Указанная лицензия отсутствует в предоставленных данных.

DeltaP2S-Qwen2.5-14B-SameFormula-Code-S13 — объединённый чекпойнт на базе Qwen2.5, созданный пакетом экспериментов Delta-P2S с учётом архитектуры Qwen. Модель разработана автором репозитория g-assismoraes; в качестве обучающей базы указана Qwen/Qwen2.5-14B. Это плотная авторегрессионная языковая модель семейства Qwen2 с 14 млрд параметров, предназначенная для генерации текста в диалоговом режиме. Контекстное окно составляет 131 072 токена. Название и каталог обучения указывают на настройку для задач, связанных с кодом и формулами, однако README не описывает конкретные возможности или результаты на этих задачах. Весы опубликованы в формате safetensors; для работы используется Transformers. Лицензия в предоставленных данных не указана.

Карточка модели Dnoya10/dicoding_genAI_adv_collab_grpo_4 на Hugging Face совпадает с карточкой Dnoya10/dicoding_genAI_adv_collab_grpo_5, поэтому описание составлено по ней. Модель Dnoya10/dicoding_genAI_adv_collab_grpo_5 разработана Dnoya10 и представляет собой дообученную языковую модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и 1,5 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и выдаёт текст. Поддерживает английский язык и контекст длиной до 32 768 токенов. Обучена с использованием Unsloth и библиотеки TRL от Hugging Face. Распространяется по лицензии Apache-2.0.