II.6Документация и сопровождение разработки

Dohyeon1/OLMoE-HC-SMoE-ngroups48 — генеративная текстовая модель, опубликованная в экосистеме Hugging Face и предназначенная для создания текста и диалогового взаимодействия. Модель поддерживает библиотеку Transformers, имеет около 472,1 млн параметров и нативное контекстное окно до 4096 токенов. В метаданных она отмечена как OLMoE и conversational, однако подробные сведения об архитектуре, обучающих данных, разработчиках и лицензии в карточке отсутствуют. Модель может использоваться для генерации ответов в диалогах, продолжения текста, создания черновиков и встраивания в приложения на базе Transformers. README не содержит результатов оценки, инструкций по применению или описания ограничений, поэтому качество на конкретных языках и задачах необходимо проверять отдельно; возможны фактические ошибки, нежелательные продолжения и нестабильность ответов.

OpenAI GPT — авторегрессионная языковая модель на основе однонаправленного трансформера, разработанная Alec Radford, Karthik Narasimhan, Tim Salimans и Ilya Sutskever. Она предварительно обучена предсказывать следующий токен по тексту на английском языке; для запуска доступны форматы PyTorch и TensorFlow, лицензия — MIT. Модель предназначена для генерации текста и языкового моделирования. В исследовательской работе её также оценивали на задачах понимания текстовых следствий, ответов на вопросы, семантического сходства, классификации текста, анализа тональности и рассуждений. Контекст составляет до 512 токенов. Архитектура включает 12 блоков трансформера; точное число параметров в предоставленных данных не приведено. Модель может генерировать недостоверные утверждения, воспроизводить стереотипы и демонстрировать хрупкость на состязательных и выходящих за распределение данных примерах. Она требует заметных вычислительных ресурсов и не предназначена для использования в качестве источника проверенных фактов.

OpenBuddy 由 OpenBuddy 团队开发，是基于 Meta Llama 3 的多语言聊天模型，底座为 Llama-3-8B-Instruct。 Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, рассчитанная на генерацию текста в формате диалога; карточка указывает контекст до 131 072 токенов. Репозиторий содержит веса в формате safetensors и предназначен для использования с Transformers или vLLM. Модель подходит для диалоговых ответов и генерации текста на английском и китайском языках; в метаданных также перечислены французский, немецкий, японский, корейский, итальянский и финский. Карточка описывает формат промптов и возможность развернуть API, совместимый с OpenAI, через vLLM. Лицензия обозначена как other, а README ссылается на условия использования и предупреждения OpenBuddy. Модель может выдавать ошибочные, вредные или оскорбительные ответы. Разработчики предостерегают от применения в критических и высокорисковых сценариях, включая медицину и важные финансовые или юридические решения; качество генерации на перечисленных в метаданных дополнительных языках отдельно не охарактеризовано.

OpenBuddy/openbuddy-openllama-3b-v10-bf16 — многоязычная чат-модель проекта OpenBuddy, построенная на плотной архитектуре Llama и предназначенная для генерации текста в диалоге. Модель содержит 3,3 млрд параметров, работает с библиотекой Transformers и распространяется в формате PyTorch; размер контекста — 4096 токенов. Модель ориентирована на общение и генерацию ответов на китайском, английском, французском, немецком, японском, корейском, итальянском и русском языках. Лицензия — Apache 2.0. Ответы могут быть ошибочными, вредными или оскорбительными; разработчики предостерегают от применения модели в медицинских, финансовых, юридических и других критически важных сценариях.

Карточка модели FuseAI/OpenChat-3.5-7B-InternLM-v2.0 на Hugging Face совпадает с карточкой FuseAI/OpenChat-3.5-7B-Starling-v2.0, поэтому описание составлено по ней. FuseAI/OpenChat-3.5-7B-Starling-v2.0 — диалоговая языковая модель, выпущенная исследовательской группой Sun Yat-sen University в рамках проекта FuseChat. Это целевая модель, полученная лёгким дообучением для попарного слияния знаний OpenChat-3.5-7B и Starling-LM-7B-alpha; архитектура — плотная Mistral с 7,1 млрд параметров. В README она описана как компонент для объединения с другими целевыми моделями FuseChat в единую чат-модель. Модель предназначена для ответов на вопросы, выполнения текстовых инструкций и диалогового общения. Она принимает текст и генерирует текст, поддерживает английский язык и контекст до 8192 токенов. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. README приводит результаты MT-Bench для итоговой FuseChat-7B-v2.0, но не отдельную оценку этого целевого чекпойнта, поэтому эти показатели нельзя напрямую переносить на данную модель. Качество ответов может зависеть от шаблона диалога и сценария применения.

Карточка модели FuseAI/OpenChat-3.5-7B-Qwen-v2.0 на Hugging Face совпадает с карточкой FuseAI/OpenChat-3.5-7B-Starling-v2.0, поэтому описание составлено по ней. FuseAI/OpenChat-3.5-7B-Starling-v2.0 — диалоговая языковая модель, выпущенная исследовательской группой Sun Yat-sen University в рамках проекта FuseChat. Это целевая модель, полученная лёгким дообучением для попарного слияния знаний OpenChat-3.5-7B и Starling-LM-7B-alpha; архитектура — плотная Mistral с 7,1 млрд параметров. В README она описана как компонент для объединения с другими целевыми моделями FuseChat в единую чат-модель. Модель предназначена для ответов на вопросы, выполнения текстовых инструкций и диалогового общения. Она принимает текст и генерирует текст, поддерживает английский язык и контекст до 8192 токенов. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. README приводит результаты MT-Bench для итоговой FuseChat-7B-v2.0, но не отдельную оценку этого целевого чекпойнта, поэтому эти показатели нельзя напрямую переносить на данную модель. Качество ответов может зависеть от шаблона диалога и сценария применения.

mlx-community/OpenCodeInterpreter-SC2-3B-4bit — конвертированная для MLX 4-битная версия модели m-a-p/OpenCodeInterpreter-SC2-3B, подготовленная сообществом mlx-community для запуска на устройствах Apple с MLX. Это причинная языковая модель семейства StarCoder2 с 4,2 млрд параметров и контекстом до 16 384 токенов; она предназначена для генерации текста и кода. Её можно использовать для написания и дополнения кода, а также для ответов на вопросы о программировании. Репозиторий содержит веса в формате safetensors. Модель ориентирована на английский язык; сведения об исходной модели доступны в её карточке. Лицензия — Apache-2.0.

OpenInstruct Mistral 7B — языковая модель для генерации текста и выполнения инструкций, созданная Devin Gulliver на базе Mistral 7B и обученная с использованием набора данных monology/VMware-open-instruct-higgsfield. Представлена в формате GGUF, а квантованные файлы подготовлены TheBloke. Модель ориентирована на англоязычные задачи, включая ответы на инструкции, генерацию текста и локальное инференс-применение. Модель содержит около 7 миллиардов параметров и использует архитектуру Mistral. В README не указаны точная длина контекста и поддерживаемые модальности, поэтому подтверждена только текстовая генерация на английском языке. GGUF подходит для запуска через llama.cpp и совместимые интерфейсы и библиотеки, включая text-generation-webui, LM Studio, KoboldCpp и llama-cpp-python. Доступны варианты квантования с разной разрядностью, что позволяет выбирать между требованиями к памяти и качеством. К сильным сторонам относятся возможность локального запуска, поддержка CPU+GPU-инференса и несколько вариантов квантования. Ограничения включают специализацию на английском языке, потенциальную потерю качества при сильном квантовании и отсутствие в README подробных данных о результатах оценки, точном контекстном окне и поведении на других языках. Модель распространяется по лицензии Apache-2.0.

typeof выпустила OpenLLaMA 3B v2 — открытую воспроизводимую модель семейства LLaMA для генерации текста. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и 3,3 млрд параметров, предназначенная для использования в приложениях и исследованиях как замена исходной LLaMA. Модель предварительно обучена на смеси открытых наборов данных Falcon RefinedWeb, StarCoder и частей RedPajama; длина контекста составляет 2048 токенов. README описывает серию OpenLLaMA как обученную на 1 трлн токенов и сообщает о сопоставимых с LLaMA результатах на большинстве рассмотренных бенчмарков. Модель принимает текст и генерирует продолжение, поэтому её можно использовать для написания черновиков, продолжения фрагментов и создания прототипов текстовых ассистентов. Карточка рекомендует отключить быстрый токенизатор Transformers: его автоматическая конверсия может давать неверную токенизацию, что способно искажать ответы и результаты оценки. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. README отмечает возможное загрязнение обучающих данных в отдельных бенчмарках.

mediocredev/open-llama-3b-v2-instruct — генеративная языковая модель на архитектуре LLaMA, основанная на LLaMA 3B v2. Она предназначена для генерации текста и работы в формате инструкций. Модель содержит 3,3 млрд параметров, принимает текст и выдаёт текст; максимальная длина контекста — 2048 токенов. Модель можно применять для ответов на запросы и создания текстовых черновиков. В README приведены результаты Open LLM Leaderboard, включая среднюю оценку 42,02 и результаты по AI2 Reasoning Challenge и HellaSwag. Модель может ошибаться в фактах, особенно при противоречивом контексте и сложных темах; ответы могут быть непоследовательными или содержать оскорбительный контент, поэтому требуют проверки человеком. Лицензия — Apache 2.0.

Open LLM Search — дообученная Together AI модель семейства Llama 2 для извлечения и объединения информации из текстов веб-страниц. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 32 768 токенов. По карточке, обучение проводилось на синтетических примерах, созданных с помощью GPT-4 и GPT-4-32k: модель училась обобщать содержание нескольких найденных страниц и составлять связный ответ. Модель предназначена для генерации ответов по предоставленным текстам веб-страниц и сводкам источников. Она принимает текст и выдаёт текст; сама по себе не выполняет поиск в интернете, поэтому содержимое страниц нужно получить и передать отдельно. Карточка указывает лицензию Meta Llama 2; применение должно соответствовать её условиям. README не уточняет шаблон входных и выходных данных: приведённое описание формата дообучения содержит незаполненные обозначения.

OpenThinker3-1.5B — языковая модель с 1,5 млрд параметров, разработанная командой Open Thoughts. Это плотная авторегрессионная модель семейства Qwen2, дообученная методом SFT на Qwen/Qwen2.5-1.5B-Instruct с использованием набора OpenThoughts3-1.2M. Она предназначена для генерации текста с пошаговыми рассуждениями, особенно при решении математических и научных задач, а также задач программирования. В обучающий набор входят 850 тысяч математических вопросов, 250 тысяч вопросов по коду и 100 тысяч научных вопросов; трассы рассуждений для данных создавались с помощью QwQ-32B. Модель принимает текст и поддерживает контекст до 32 768 токенов. В README приведены результаты оценки на математических, научных и кодовых бенчмарках; конкретные результаты зависят от задачи и протокола оценки. Модель доступна в формате safetensors и распространяется по лицензии Apache 2.0.

bartowski/open-thoughts_OpenThinker2-32B-GGUF — это набор квантованных GGUF-версий модели OpenThinker2-32B, разработанной open-thoughts. Квантование выполнено bartowski с использованием llama.cpp release b5035 и метода imatrix на основе датасета OpenThoughts2-1M. Модель предназначена для генерации текста и запуска в локальных приложениях, совместимых с llama.cpp, включая LM Studio, а также для непосредственного использования через llama.cpp и производные проекты. Модель содержит 32 миллиарда параметров и распространяется в вариантах от BF16 до различных уровней квантования Q8, Q6, Q5, Q4 и Q3, включая форматы IQ. Размер файлов составляет примерно от 14,39 до 65,54 ГБ. Более высокие уровни квантования обеспечивают качество, близкое к исходной модели, но требуют больше памяти; варианты Q4_K_M и IQ4_XS предлагают компромисс между качеством и требованиями к ресурсам. Поддерживаемые модальности, языки и размер контекста в README не указаны. Для работы рекомендуется использовать формат prompt с ролями system, user и assistant через специальные токены ChatML. Сильными сторонами являются локальный запуск, широкий выбор квантований и совместимость с экосистемой llama.cpp. Ограничения включают необходимость значительных объёмов оперативной или видеопамяти для крупных вариантов, возможное снижение качества у низкобитных квантований и отсутствие в предоставленных данных результатов оценки. Модель и квантованные файлы распространяются по лицензии Apache-2.0.

OpenYourMind создала эту полноразмерную BF16-версию NVIDIA Nemotron-3-Ultra-550B-A55B с ослабленными отказами на типовых категориях запросов. По описанию автора, изменение выполнено офлайн-проекцией направления отказа на веса без дополнительного обучения и без изменения структуры базовой модели. Модель содержит 550 млрд параметров, из которых активно 55 млрд, и использует гибридную архитектуру Mamba-2, Attention и Latent-MoE; сохранены режим рассуждений enable_thinking и голова MTP для спекулятивного декодирования. Модель предназначена для диалоговой генерации текста, сложных рассуждений и технических или защитных запросов, на которые исходная модель могла отказывать. Контекст составляет 262 144 токена. Веса BF16 занимают около 1,1 ТБ и требуют мног GPU-развёртывания; автор указывает vLLM как вариант запуска. README заявляет сохранение связности, точности и многоязычной беглости, однако не приводит независимых оценок этих свойств. Лицензия — OpenMDW-1.1, унаследованная от базовой модели.

facebook/opt-1.3b — авторегрессионная языковая модель семейства OPT, разработанная Meta AI и опубликованная в составе серии Open Pre-trained Transformers. Это плотный декодерный трансформер с примерно 1,7 млрд параметров, обученный предсказывать следующий токен на текстовых данных. Модель принимает текст и генерирует продолжение; заявленная длина контекста — 2048 токенов. Модель предназначена для генерации текста, экспериментов с языковыми моделями и оценки задач по подсказкам в zero-shot и few-shot режимах. Её можно дообучать для специализированных задач. Обучающие данные преимущественно англоязычные, с небольшим количеством неанглоязычного текста; основная поддержка — английский. Веса доступны в форматах PyTorch, TensorFlow и Flax. Модель может воспроизводить смещения и токсичное содержание из интернет-данных, а также выдавать недостоверный текст и иметь ограниченное разнообразие генераций. В метаданных лицензия обозначена как other; условия использования следует сверять с лицензией и официальной карточкой OPT.

Helsinki-NLP/opus-mt-en-zh — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на основе Transformer и реализованная архитектурой MarianMT. Она переводит текст с английского на китайский; для выбора целевого варианта китайского перед началом предложения требуется языковой токен вида `>>id<<`. Модель содержит 58,4 млн параметров, использует нормализацию и SentencePiece с словарями по 32 тыс. токенов и имеет контекст до 512 токенов. Модель ориентирована на перевод предложений и текстовых фрагментов. Карточка перечисляет варианты китайского, включая мандаринский, кантонский, уский, ганьский, юэский и классический китайский, в упрощённой и традиционной письменности для поддерживаемых вариантов. В тесте Tatoeba для пары английский—китайский указаны BLEU 31,4 и chr-F 0,268; результаты зависят от тематики и формулировок текста. Доступны веса PyTorch, TensorFlow и Flax. Лицензия — Apache-2.0.

Orca 2 7B — языковая модель Microsoft на архитектуре LLaMA 2, дообученная на синтетических данных для усиления способностей к рассуждению. Модель содержит 6,6 млрд параметров, принимает текст и генерирует текст; длина контекста — 4096 токенов. Она предназначена для однократных ответов по пользовательским данным: рассуждений, понимания прочитанного, решения математических задач и суммаризации. Модель особенно ориентирована на рассуждение в zero-shot сценариях, но не оптимизирована для диалога и не обучалась с RLHF или DPO; для чат-применения или узкой задачи рекомендуется дополнительное дообучение. Это исследовательская модель, опубликованная для изучения, оценки и дальнейшей разработки небольших языковых моделей. Она может наследовать предвзятости и ограничения LLaMA 2, ошибаться или галлюцинировать; результаты требуют проверки, особенно в важных сценариях. Лицензия указана как other, поэтому перед использованием следует изучить условия в карточке модели.

OrcaAgent-llama3.2-8b-GGUF — это набор GGUF-квантизаций модели OrcaAgent-llama3.2-8b, разработанной Isotonic и квантизированной bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и агентских сценариев; обучение связано с наборами данных microsoft/orca-agentinstruct-1M-v1 и Isotonic/agentinstruct-1Mv1-combined. Указан английский язык. В основе лежит 8-миллиардная модель семейства Llama 3.2. Доступны варианты от F16 до Q2_K_L, различающиеся размером файла, требованиями к памяти и качеством: от 16,07 ГБ для F16 до примерно 3,69 ГБ для Q2_K_L. Наиболее сбалансированным вариантом README называет Q4_K_M размером 4,92 ГБ; варианты Q5 и Q6 обеспечивают более высокое качество, а Q3 и Q2 подходят для систем с ограниченным объёмом оперативной памяти. Формат GGUF поддерживается llama.cpp и приложением LM Studio. Сильная сторона модели — наличие множества уровней квантизации для локального запуска и выбора компромисса между качеством и потреблением памяти. Ограничения включают снижение качества в наиболее компактных вариантах, отсутствие сведений о размере контекста, мультимодальности и точных архитектурных характеристиках, а некоторые ARM-оптимизированные варианты требуют поддержки специальных инструкций и не рекомендуются для Mac. Лицензия — Apache-2.0.

OrcaHermes-Mistral-70B-miqu — экспериментальная разговорная модель, созданная слиянием SLERP двух моделей на базе Miqu: alicecomfy/miqu-openhermes-full, обученной на OpenHermes, и ShinojiResearch/Senku-70B-Full, обученной на SlimOrca. В метаданных указана архитектура LlamaForCausalLM с плотной структурой, объёмом 68,7 млрд параметров и контекстом до 32 764 токенов. Модель предназначена для диалога и генерации текста. Её можно применять для ответов на вопросы, ведения беседы и создания текстовых продолжений. README характеризует её как эксперимент и не приводит оценки качества. Веса опубликованы в формате safetensors, библиотека — Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

OrcaMaidXL 17B 32K — языковая модель для генерации текста, разработанная ddh0 и представленная в формате GGUF. Это квантованная версия исходной модели ddh0/OrcaMaidXL-17B-32k; квантование выполнено TheBloke. Модель относится к архитектуре Llama, имеет около 17 миллиардов параметров и заявленный контекст до 32 тысяч токенов. Она предназначена для текстовых задач и использует формат инструкций Alpaca: запрос передаётся как инструкция, после чего модель формирует ответ. Модель подходит для локального запуска и сценариев, требующих генерации текста с использованием CPU и GPU; GGUF поддерживается llama.cpp и рядом совместимых приложений и библиотек. В README не указаны поддерживаемые языки, результаты тестирования или специализированные сильные стороны, поэтому качество в конкретных задачах заранее оценить нельзя. Используется квантованное представление, что может уменьшать требования к ресурсам по сравнению с полной версией, но потенциально влияет на точность в зависимости от выбранного варианта квантования. Лицензия обозначена как microsoft-research-license и other; также указано, что модель основана на Llama 2 и может подпадать под условия лицензии Meta Llama 2. Вопросы о взаимодействии этих условий рекомендуется уточнять у автора исходной модели.

OrionLLM GRM-3.2-Cliff-GGUF — квантованная версия модели GRM-3.2-Cliff, разработанной OrionLLM и преобразованной в формат GGUF пользователем bartowski с помощью llama.cpp. Модель содержит около 9 млрд параметров и предназначена для локального запуска в приложениях, совместимых с llama.cpp. Модель поддерживает обработку текста и изображений при использовании дополнительного файла mmproj, поэтому может применяться для мультимодального анализа, ответов на вопросы по изображениям и обычных текстовых задач. Для работы предусмотрен специальный prompt format с ролями system, user и assistant; поддержка MTP отсутствует. Доступны варианты квантования от BF16 и Q8_0 до более компактных IQ3 и Q2, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Рекомендуемым компромиссом заявлен вариант Q4_K_M размером около 5,91 ГБ. Сильными сторонами являются мультимодальный ввод, широкий выбор квантований и возможность локального использования. К ограничениям относятся зависимость обработки изображений от файла mmproj, отсутствие сведений о языках, размере контекста и конкретной архитектуре, а также возможное снижение качества в компактных вариантах квантования. Модель распространяется по лицензии Apache-2.0.

Ornith-Agents-A1-3.6-35B-A3B-dare_ties — мультимодальная разговорная модель, созданная сообществом tepirale слиянием моделей через mergekit. В качестве основы использована Qwen/Qwen3.5-35B-A3B, а в слияние также вошли deepreinforce-ai/Ornith-1.0-35B и InternScience/Agents-A1; применён метод DARE TIES. Модель распространяется в формате safetensors и предназначена для диалога, анализа изображений и агентных задач. Модель принимает текст и изображения и генерирует текст. В README приведены результаты на MMLU, MMLU-Pro и HellaSwag, но они различаются между указанными объёмами выборки, поэтому не позволяют однозначно оценить качество. Модель доступна по лицензии Apache-2.0.

Oscar Zhou Style v3 Full — дообученная модель разработчика oscarz511 на базе unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, содержащая 7,5 млрд параметров и принимающая текст для генерации текста; метаданные также указывают интерфейс чата и вызова инструментов. В карточке не описаны конкретные стилистические особенности версии v3 или примеры её ответов, поэтому нельзя точнее определить сценарии, в которых она превосходит базовую модель. Модель рассчитана на английский язык, использует контекст до 131 072 токенов и опубликована в формате safetensors. Разработчик сообщает о дообучении с помощью Unsloth и библиотеки TRL. Лицензия — Apache-2.0.

Ouro-1.4B-Thinking — языковая модель ByteDance для генерации текста и диалогов с акцентом на рассуждения. Это плотная причинно-языковая архитектура OuroForCausalLM примерно на 1,3 млрд параметров; модель дообучена методом supervised fine-tuning на данных для рассуждений. Поддерживает контекст до 65 536 токенов и принимает текст, выдавая текст с подробными шагами рассуждения. Модель предназначена прежде всего для математических, научных и связанных с кодом задач, а также для диалогов. В архитектуре используются четыре рекуррентных шага с настраиваемым адаптивным выходом; промежуточные выходы могут служить оценками финального ответа. README сообщает о результатах, сопоставимых с некоторыми моделями на 4 млрд параметров, но не приводит конкретных оценок. Для запуска рекомендуется Transformers 4.56.0; vLLM не поддерживает адаптивный выход. Лицензия — Apache-2.0. Разработчики обозначают модель как исследовательскую и предоставляют её без гарантий пригодности для промышленного применения.

hathucviet/output — компактная языковая модель, дообученная разработчиком hathucviet на Qwen/Qwen2.5-0.5B-Instruct с использованием TRL. Она предназначена для диалогов, выполнения инструкций и генерации текста; в README приведён пример ответа на открытый вопрос в формате чата. Модель имеет плотную архитектуру Qwen2, около 494 млн параметров и контекст до 32 768 токенов. Она принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

PARM-V1.5-base-QwQ-Qwen-2.5-o1-3B — базовая модель для PARM V2 от Pinkstack, созданная дообучением Qwen/Qwen2.5-3B-Instruct. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия; в метаданных также заявлен интерфейс вызова инструментов. Модель поддерживает английский и китайский языки и контекст до 32 768 токенов. Карточка указывает, что она служит основой для флагманской модели Parm2 3B; дополнительных сведений о специализации и качестве нет. Форматы весов — PyTorch и Safetensors. В метаданных указана лицензия other, а в README — лицензия qwen; точные условия лицензии по этим данным установить нельзя.

PATH-14B-COT — дообученная разработчиком mt1234 языковая модель на архитектуре Qwen2, созданная на основе unsloth/qwen2.5-coder-14b-instruct-bnb-4bit. Модель предназначена для генерации текста в диалоговом формате и имеет интерфейс вызова инструментов. В карточке указано, что обучение выполнялось с использованием Unsloth и библиотеки TRL. Модель содержит 14 млрд параметров и поддерживает контекст до 32 768 токенов. Для неё указаны английский язык и лицензия Apache-2.0. Карточка не описывает специализацию, обучающие данные или подтверждённые преимущества версии PATH-14B-COT, поэтому её качество в конкретных сценариях нельзя оценить по представленным сведениям.

p-e-w_gpt-oss-20b-heretic-GGUF — это набор квантованных версий языковой модели gpt-oss-20b-heretic, разработанной p-e-w и преобразованной в формат GGUF пользователем bartowski. Модель предназначена для генерации текста и запуска в локальных приложениях на базе llama.cpp, включая llama.cpp и LM Studio, а также инструменты с поддержкой этого формата. Доступны варианты от BF16 до низкобитных квантований Q2, Q3, Q4, Q5, Q6 и IQ. Размер файла зависит от варианта и составляет примерно от 12,16 до 41,86 ГБ. Для квантования использовался llama.cpp с методом imatrix и калибровочными наборами данных. В README не указаны архитектура, поддерживаемые языки, размер контекста, мультимодальность и точные характеристики базовой модели; по назначению это текстовая, а не мультимодальная модель. Сильной стороной набора является широкий выбор квантований, позволяющий выбирать между качеством, размером и требованиями к памяти; варианты Q6_K и Q6_K_L описаны как близкие к исходному качеству, а Q4_K_M — как типичный вариант для большинства сценариев. Более сильное сжатие уменьшает требования к ресурсам, но снижает качество. Шаблон чата в README не задан и может требовать проверки по карточке исходной модели. Лицензия — Apache 2.0.

Модель alfatih1234/pgabl-qwen25-1.5b-sft — дообученная разговорная языковая модель семейства Qwen2.5, созданная alfatih1234 на базе unsloth/qwen2.5-1.5b-instruct-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Это плотная авторегрессионная модель с 1,5 млрд параметров, принимающая текст и генерирующая текст; заявленная длина контекста составляет 32 768 токенов. Подходит для диалогов и генерации текста на английском языке, а также для интерфейсов с вызовом инструментов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не описывает специализированную предметную область или результаты оценки качества, поэтому пригодность для конкретных задач следует проверять на собственных примерах.

Yhyu13/phi-2-sft-dpo-gpt4_en-ep1 — объединённая модель на базе Phi-2, созданная путём дообучения с supervised fine-tuning и DPO; автор описывает её как улучшение для диалоговых ответов. По README, модель связана с экспериментами на наборе AlpacaEval и, по оценке автора, выдаёт более длинные ответы, чем предыдущая версия SFT. Она предназначена для генерации текста и ответов на пользовательские запросы. Архитектура — плотная причинная языковая модель PhiForCausalLM; размер в метаданных не приведён, родительская Phi-2 использует контекст до 2048 токенов. Репозиторий содержит веса Safetensors. Указана лицензия other; конкретные условия следует сверять с карточкой модели и лицензией базовой модели.