II.6Документация и сопровождение разработки

Mudassir-75/Llama-3.2-3B-Instruct-ENG-FR-v2 — плотная авторегрессионная языковая модель семейства Llama 3.2 с 3,2 млрд параметров, разработанная Mudassir-75 и дообученная на базе Mudassir-75/Llama-3.2-3B-Instruct-ENG-FR. Модель предназначена для генерации текста и диалоговых сценариев; в метаданных также заявлен интерфейс вызова инструментов. Контекстное окно — до 131 072 токенов. Карточка указывает на обучение с использованием Unsloth и библиотеки Hugging Face TRL. В языковых тегах указан английский; название базовой модели указывает на английский и французский, но README не описывает языковые возможности отдельно. Модель распространяется по лицензии Apache-2.0. Качество, обучающие данные и конкретные ограничения в карточке не описаны.

bunnycore создала диалоговую модель генерации текста Llama-3.2-3B-Prodigy, объединив методом TIES модель huihui-ai/Llama-3.2-3B-Instruct-abliterated с тремя моделями bunnycore: Pure-RP, Mix-Skill и Sci-Think. Модель построена на архитектуре LlamaForCausalLM, содержит 3,2 млрд параметров, использует формат safetensors и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев; объединённые модели ориентированы на ролевое общение, разнообразные навыки и научное рассуждение. Метаданные также указывают интерфейс вызова инструментов. Данные не подтверждают поддержку изображений или иных модальностей помимо текста. Лицензия в предоставленных источниках не указана.

Модель deepanraj-ai — дообученная версия unsloth/Llama-3.2-3B-Instruct-bnb-4bit на архитектуре Llama с плотной сетью и 3,2 млрд параметров. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста в диалоговом формате и поддерживает интерфейс вызова инструментов. Заявленная длина контекста — 131 072 токена; в карточке указан английский язык. Лицензия — Apache 2.0.

jiangchengchengNLP/llama3.3-70B-instruct-abliterated-awq — это 4-битная квантованная версия AWQ модели Llama-3.3-70B-Instruct-abliterated. Базовая модель разработана huihui-ai на основе Llama 3.3 70B Instruct, первоначально созданной Meta AI. Модель предназначена для генерации текста и использования в сценариях, где требуется следование инструкциям. Модель поддерживает текстовый ввод и вывод, относится к семейству Llama и имеет размер 70 миллиардов параметров. В README указаны английский, французский, итальянский, португальский, хинди, испанский, тайский и немецкий языки. Квантование AWQ до 4 бит снижает требования к памяти по сравнению с полноразмерной версией, однако README не содержит данных о контекстном окне, производительности, аппаратных требованиях или результатах оценки. Модель распространяется по лицензии llama3.3. Ограничения, связанные с качеством, безопасностью, областью применимости и особенностями версии abliterated, в README подробно не описаны.

Это модель brunopio в формате GGUF, конвертированная с использованием llama.cpp из HF1BitLLM/Llama3-8B-1.58-100B-tokens. В качестве базовой модели также указан meta-llama/Meta-Llama-3-8B-Instruct. Модель предназначена для локального запуска задач генерации текста и диалогового вывода через llama.cpp, включая работу в командной строке или в режиме сервера. Ключевая характеристика — размер базовой модели 8B; в названии и исходной модели также указано обозначение 1.58 и обучение на 100B токенов, однако README не раскрывает их техническую интерпретацию, точную архитектуру, размер файла, параметры квантования, поддерживаемые языки и максимальную длину контекста. Для запуска требуется llama.cpp; в примере сервера задан контекст 2048 токенов, но не указано, является ли это предельным значением модели. Лицензия в README не указана, поэтому условия использования необходимо уточнять у автора и разработчиков базовых моделей.

MaziyarPanahi/Llama-3-8B-Instruct-v0.10-GGUF — это набор файлов модели в формате GGUF для MaziyarPanahi/Llama-3-8B-Instruct-v0.10, разработанный и квантованный MaziyarPanahi. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и совместимые приложения и библиотеки. Известно, что это instruct-модель семейства Llama 3 с размером 8B; доступны варианты квантования от 2 до 8 бит. Формат GGUF ориентирован на эффективный локальный инференс с использованием CPU и GPU, однако конкретные требования к памяти и производительность зависят от выбранного варианта квантования и оборудования. README не содержит сведений о поддерживаемых языках, размере контекста, точной архитектуре исходной модели, результатах оценки или сильных и слабых сторонах. Лицензия в README не указана, поэтому условия использования необходимо уточнять отдельно для исходной модели и её GGUF-представления.

Llama-3-8B-Instruct-v0.5 — диалоговая языковая модель MaziyarPanahi, дообученная на основе MaziyarPanahi/Llama-3-8B-Instruct-DPO-v0.2. Она предназначена для генерации текста в формате переписки и ответов на запросы; в качестве шаблона диалога используется ChatML. Модель построена на архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. В карточке указана поддержка английского языка и библиотеки Transformers. Модель подходит для чат-ботов, ответов на вопросы и генерации текста на английском языке. В репозитории представлены веса в формате safetensors; для использования указана библиотека Transformers. Лицензия обозначена как other, поэтому условия использования следует проверять в карточке модели.

Orenguteng/Llama-3-8B-Lexi-Uncensored — разговорная модель генерации текста, разработанная на основе Llama-3-8B-Instruct. Она дообучена так, чтобы охотнее следовать запросам, в том числе тем, которые другие модели могут отклонить. Модель поддерживает диалог и выполнение инструкций, содержит около 7,5 млрд параметров и принимает контекст длиной до 8192 токенов. Модель подходит для генерации ответов и ведения диалога по пользовательским запросам. В README приведены результаты Open LLM Leaderboard, включая среднее значение 66,18 и результат 59,56 на AI2 Reasoning Challenge; эти показатели сами по себе не гарантируют качество в конкретном сценарии. Из-за ослабленных ограничений модель может выдавать небезопасный или неэтичный контент, поэтому перед предоставлением доступа пользователям разработчик рекомендует добавить собственный слой фильтрации. Лицензия — Meta Llama 3 Community License; коммерческое использование допускается в её рамках.

giux78/llama3-8B-usenet-merged — текстовая генеративная модель на архитектуре Llama, опубликованная пользователем giux78 на Hugging Face. По названию репозитория она связана с Usenet и представляет собой объединённую модель, однако карточка не раскрывает состав объединения, разработчика исходных моделей или точное назначение для конкретных тематик. Модель содержит около 7,5 млрд параметров, использует библиотеку Transformers и формат safetensors; заявленный контекст — 8192 токена. Предусмотрен диалоговый режим. Модель принимает текстовые запросы и генерирует текст, в том числе ответы в формате чата. Карточка не сообщает поддерживаемые языки, оценку качества, обучающие данные или конкретные ограничения. Лицензия в карточке не указана.

Llama-3-MahouDevil-8B — объединённая языковая модель на базе архитектуры Llama 3, созданная с помощью mergekit методом Model Stock. В слияние вошли flammenai/Mahou-1.2-llama3-8B и flammenai/Mahou-1.3-llama3-8B, а базовой моделью указана mlabonne/NeuralDaredevil-8B-abliterated. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Она предназначена для генерации продолжений, диалогов и ролевых сценариев. Лицензия — Llama 3; README не приводит дополнительных сведений о качестве и ограничениях применения.

JunxiongWang/llama3_mamba_0_5_sft — дообученная модель генерации текста, созданная на основе JunxiongWang/llama3_0.50_mamba_progressive и обученная на наборе JunxiongWang/sftdataset. В метаданных указаны 7,5 млрд параметров, архитектура LlamaForCausalLM, формат PyTorch и контекст до 8192 токенов; модель поддерживает диалоговый режим. Модель предназначена для генерации продолжений текста и диалоговых ответов. В карточке приведён результат оценки на тестовом наборе: loss 0,6645. Подробности о сценариях применения, языках обучения и известных ограничениях автор не указал. Лицензия в предоставленных данных не обозначена.

llama-3-slerp-dolphin-sauce-8B — слитая чат-модель на архитектуре Llama 3, созданная nbeerbower с помощью mergekit и метода SLERP из nbeerbower/llama-3-sauce-v1-8B и cognitivecomputations/dolphin-2.9-llama3-8b. Модель содержит около 7,5 млрд параметров и предназначена для генерации диалогового текста и ответов в чате; доступна в формате safetensors и рассчитана на контекст до 8192 токенов. Модель объединяет две предварительно обученные языковые модели. В метаданных и карточке указана лицензия other и лицензия Meta Llama 3 Community License Agreement соответственно. Данных о специализированных областях применения или дополнительных возможностях помимо генерации текста нет.

Llama-3-Yggdrasil-2.0-8B-GGUF — это набор GGUF-квантизаций языковой модели Llama-3-Yggdrasil-2.0-8B, опубликованный bartowski. Исходная модель разработана на основе объединения нескольких моделей семейства Llama 3: Locutusque/Llama-3-NeuralHercules-5.0-8B, NousResearch/Meta-Llama-3-8B, NousResearch/Hermes-2-Theta-Llama-3-8B и Locutusque/llama-3-neural-chat-v2.2-8b. Квантизация выполнена с помощью llama.cpp версии b3086 и метода imatrix. Модель предназначена для генерации текста и локального запуска через совместимые инструменты llama.cpp и другие приложения, поддерживающие формат GGUF. Доступны варианты с разным уровнем квантизации — от Q8_0 до Q2_K и IQ2_XS — размером примерно от 2,60 до 8,54 ГБ. Более качественными считаются Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS; варианты с меньшим размером требуют меньше оперативной памяти, но могут заметно уступать по качеству. Это текстовая модель с примерно 8 млрд параметров. README не указывает поддерживаемые языки, размер контекстного окна, результаты тестирования и точные сильные стороны исходной модели. Шаблон чата также не задан однозначно: в карточке приведён предполагаемый формат, который может быть некорректным, поэтому его следует проверить по карточке оригинальной модели. Лицензия в README не указана.

Карточка модели Neko-Institute-of-Science/LLaMA-65B-HF на Hugging Face совпадает с карточкой Neko-Institute-of-Science/LLaMA-7B-HF, поэтому описание составлено по ней. LLaMA-7B-HF — преобразованная в формат Transformers версия языковой модели LLaMA, опубликованная Neko Institute of Science. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и примерно 6,6 млрд параметров; она предназначена для генерации текста. Контекст модели составляет 2048 токенов. Репозиторий содержит веса PyTorch и Safetensors. Для использования требуется соблюдать специальную лицензию и условия, изложенные в файле LICENSE. README также предупреждает, что в упомянутой торрент-копии устарели tokenizer_config.json и special_tokens_map.json; эти файлы следует заменить версиями из карточки модели.

KKHYA/llavaqwen2.5-32b-finetune-dense-665k — плотная авторегрессионная модель семейства LlavaQwen2 с 32 млрд параметров, представленная в формате Safetensors для библиотеки Transformers. По метаданным она предназначена для генерации текста и диалогового взаимодействия; также заявлен интерфейс вызова инструментов. Контекстное окно составляет 131 072 токена. В README указано, что модель обучена с нуля на неизвестном наборе данных, поэтому её нельзя уверенно описать как дообучение базовой модели. Карточка не сообщает о поддерживаемых языках, качестве, результатах оценки или ограничениях применения. Условия лицензирования в предоставленных данных не указаны.

Это дообученная версия KKHYA/llavaqwen3-1.7b-finetune, разработанная KKHYA. Модель с архитектурой AdapterMoELLaVAQwen3ForCausalLM содержит 1,7 млрд параметров и предназначена для генерации текста и диалогов. В метаданных также заявлен интерфейс вызова инструментов. Модель принимает текст и выдаёт текст; заявленная длина контекста составляет 40 960 токенов. Она распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. README не содержит сведений о специализации дообучения или результатах оценки качества.

Это дообученная модель KKHYA/llavaqwen3-1.7b-finetune, разработанная на базе Qwen3 и предназначенная для генерации текста и диалогов. Она содержит 1,7 млрд параметров, построена на архитектуре NMMaskMoELLaVAQwen3ForCausalLM и поддерживает контекст до 40 960 токенов. В метаданных также заявлен интерфейс вызова инструментов. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. Датасет дообучения и результаты оценки не описаны, поэтому качество и специализацию сверх генерации текста и диалогов определить нельзя.

Это дообученная модель KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров для генерации текста и диалогов. Она использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и предназначена для разговорного взаимодействия; в метаданных также заявлен интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, а её контекстное окно составляет 40 960 токенов. Модель опубликована в форматах PyTorch и Safetensors и распространяется по лицензии Apache-2.0. Датасет дообучения, целевые сценарии, результаты оценки и специальные ограничения в карточке не описаны, поэтому качество для конкретных задач по имеющимся сведениям оценить нельзя.

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 указана поддержка интерфейса вызова инструментов. Модель содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Модель загружается через Transformers; веса доступны в форматах PyTorch и Safetensors. Она может подойти для диалоговых приложений и генерации текста с вызовом инструментов. Датасет дообучения не описан, поэтому специфические преимущества и качество для отдельных задач установить нельзя. Лицензия — Apache-2.0.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune. Она предназначена для генерации текста и диалогов. Модель содержит 1,7 млрд параметров, использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Репозиторий содержит веса PyTorch в формате Safetensors. Модель распространяется по лицензии Apache-2.0. Данные обучения и результаты оценки не описаны, поэтому область специализации и качество на конкретных задачах подтвердить нельзя.

Это дообученная модель KKHYA на 1,7 млрд параметров, основанная на KKHYA/llavaqwen3-1.7b-finetune и предназначенная для генерации текста и диалогов. Она использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и рассчитана на контекст до 40 960 токенов. Репозиторий содержит веса PyTorch в формате safetensors; модель доступна через Transformers и имеет интерфейсы чата и вызова инструментов. Лицензия — Apache-2.0. Датасет дообучения, языковой охват, оценки качества и конкретные сценарии применения не описаны. Поэтому пригодность для специализированных задач и качество ответов следует проверять на собственных примерах.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune, предназначенная для генерации текста и диалогов. Модель содержит 1,7 млрд параметров, использует архитектуру NMMaskMoELLaVAQwen3 и рассчитана на контекст до 40 960 токенов. Доступны веса в форматах PyTorch и safetensors, а интерфейс поддерживает чат и вызов инструментов. Модель можно использовать для генерации ответов в диалоге и интеграции в приложения с текстовым вводом и выводом. Датасет дообучения и результаты оценки не описаны, поэтому качество для конкретных задач не подтверждено. Лицензия — Apache-2.0.

Модель KKHYA/llavaqwen3-1.7b-finetune-nm-mask-moe-sparse-4e-2k-2of4-imp-replay-sd3_20260812_063339 — дообученная версия KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров. Она использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и предназначена для генерации текста и диалогов; заявлена возможность интерфейса вызова инструментов. Модель доступна в форматах PyTorch и Safetensors, работает с библиотекой Transformers и поддерживает контекст до 40 960 токенов. Репозиторий указывает лицензию Apache-2.0. Данные обучения и конкретные ограничения в карточке не описаны.

Это инструктивная языковая модель LLM-jp — совместного проекта, запущенного в Японии. Модель построена на архитектуре LlamaForCausalLM и содержит 13,2 млрд параметров; контекст — до 4096 токенов. Репозиторий предоставляет веса в формате Safetensors для Transformers. Модель предназначена для диалогов и выполнения инструкций: она генерирует ответы на запросы, вопросы и задания на японском и английском языках. Для настройки использовались японские и английские примеры Dolly и OpenAssistant, а также японские наборы инструкций, включая ichikara-instruction-004-001. Токенизатор сочетает японский, английский и исходный код. Разработчики отмечают, что модель находится на ранней стадии исследований и разработки и не настроена для гарантированного соответствия намерениям человека или требованиям безопасности. Лицензия — Apache-2.0.

llm-jp-13b-instruct-full-dolly-oasst-v1.0 — языковая модель LLM-jp, совместного проекта, запущенного в Японии. Это 13-миллиардная плотная Transformer-модель на архитектуре GPT-2, дообученная следовать инструкциям на наборах jaster, Dolly и OpenAssistant; версии Dolly и OpenAssistant в обучении использовались в переводе на японский. Репозиторий содержит веса PyTorch для Transformers, лицензия — Apache-2.0. Модель предназначена для генерации текста и ответов на инструкции, в том числе на японском и английском языках. Она обучалась на смешанных японских и английских данных, а словарь также включает исходный код. Контекст составляет 2048 токенов; при предварительном обучении модель видела 300 млрд токенов. Авторы отмечают, что модель находится на раннем этапе исследований и разработок и не настраивалась для надёжного соответствия человеческим намерениям и требованиям безопасности. Следует проверять ответы и учитывать ограниченную длину контекста.

LMCocktail-phi-2-v1 — языковая модель на архитектуре Phi-2, опубликованная пользователем Yhyu13. Это смесь с равными долями моделей phi2 alpca gpt4 и phi2 ultrachat200K, созданная методом слияния LM-cocktail. Модель предназначена для генерации текста; контекст составляет 2048 токенов. Модель может применяться для генерации ответов в диалоге и продолжения текста. В репозитории указаны веса safetensors и приведены скрипты слияния. Лицензия и подробные сведения о качестве или поддерживаемых языках в доступных данных не описаны.

LocalAI-io разработала разговорную модель на базе Phi-4, дообученную для диалога и вызова функций в LocalAI. Модель имеет 14,1 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст. Родительская модель указана как unsloth/phi-4-unsloth-bnb-4bit; при дообучении использовались наборы данных для вызова функций, диалога и рассуждений. Контекст модели составляет 16 384 токена. Модель предназначена для диалоговых сценариев и передачи вызовов функций через LocalAI. README отмечает улучшенные возможности рассуждения в стиле o1 в третьей итерации. Репозиторий распространяется под лицензией Apache 2.0. Данных о поддерживаемых языках в карточке мало: метаданные указывают английский язык.

Это набор GGUF-файлов с квантованными версиями модели lpetreadg/Llama-3-8B-merged-2-bf16, опубликованный featherless-ai-quants. Репозиторий предназначен для запуска модели в совместимой с GGUF среде; карточка перечисляет варианты IQ4_XS, Q2_K и Q3_K_L, а также другие варианты квантования. По метаданным модель поддерживает генерацию текста и чат.

Lyra4-Gutenberg2-12B — диалоговая языковая модель, созданная дообучением Sao10K/MN-12B-Lyra-v4 на датасетах jondurbin/gutenberg-dpo-v0.1 и nbeerbower/gutenberg2-dpo. Для обучения применялся ORPO в течение трёх эпох; данные были оформлены в формате ChatML. Модель построена на плотной архитектуре Mistral и содержит 12,1 млрд параметров. Модель предназначена для генерации текста в диалоге и выполнения инструкций. В README указано увеличение длины последовательности относительно Lyra4-Gutenberg-12B; метаданные каталога указывают контекст до 1 024 000 токенов. В опубликованных результатах Open LLM Leaderboard указаны средний балл 19,74, IFEval 25,85 и BBH 33,73. Модель распространяется в формате Safetensors и доступна по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Показатели бенчмарков описывают лишь отдельные тесты и не гарантируют качество для конкретных задач; самостоятельные ограничения модели в карточке не описаны.

SzilviaB/Magnum_Lyra_Darkness_12b — объединение языковых моделей, созданное автором репозитория с помощью mergekit и метода SLERP. В состав вошли anthracite-org/magnum-v4-12b и DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS; в конфигурации базовой указана anthracite-org/magnum-v4-12b. Модель относится к семейству Mistral, имеет плотную архитектуру MistralForCausalLM и содержит 12,1 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов, а также может использоваться для создания прозы. Метаданные указывают интерфейс чата и вызова инструментов. Заявленная длина контекста — 1 024 000 токенов; модель опубликована в формате safetensors для библиотеки Transformers. Сведения о лицензии и поддерживаемых естественных языках в предоставленных данных отсутствуют.