II.6Документация и сопровождение разработки

Infomaniak-AI публикует вариант Google TranslateGemma 27B IT с настройками, адаптированными для развёртывания через vLLM. Это плотная мультимодальная модель семейства Gemma 3 в формате safetensors; шаблон чата кодирует языки перевода в тексте сообщения, а конфигурации RoPE и EOS изменены для совместимости с vLLM. Модель предназначена для перевода между 55 языками: она принимает текст для перевода или изображение, из которого извлекает текст и переводит его. Подходит для интеграции в приложения и облачную инфраструктуру, использующую vLLM. Размер базовой модели — 27 млрд параметров; в предоставленных данных длина контекста не указана. Качество зависит от обучающих данных и сложности текста: модель может терять нюансы, неверно передавать неоднозначные выражения и допускать ошибки. Лицензия — Gemma; перед использованием следует учитывать условия лицензии и политику допустимого использования Gemma.

WestStarling-7B-ties — объединённая языковая модель, созданная с помощью mergekit путём слияния senseable/WestLake-7B-v2 и Nexusflow/Starling-LM-7B-beta методом TIES. Это плотная авторегрессионная модель семейства Mistral примерно на 7,1 млрд параметров, предназначенная для генерации текста и диалоговых ответов. Контекст модели составляет до 32 768 токенов; опубликованные веса хранятся в формате safetensors, в конфигурации слияния указан float16. Модель подходит для чат-ботов, генерации ответов и продолжения текста. Вклад Starling-LM-7B-beta — англоязычная чат-модель, дообученная методом RLAIF; README не уточняет языковые возможности второй основы или итогового слияния. Репозиторий распространяется по лицензии Apache-2.0. Данных о сравнительных результатах или проверках качества именно этого слияния нет.

MetaMateo82/wolf-memory-mistral-7b — дообученная разговорная модель MetaMateo82 на базе unsloth/mistral-7b-instruct-v0.3-bnb-4bit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Репозиторий содержит веса в формате safetensors; в метаданных также заявлен интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Её контекстное окно составляет 32 768 токенов, а карточка указывает английский язык. README сообщает, что обучение выполнялось с Unsloth и библиотекой Hugging Face TRL, но не описывает специальную область применения или результаты оценки качества. Модель выпущена под лицензией Apache-2.0. Поскольку карточка не приводит оценки качества и не раскрывает обучающие данные, пригодность ответов для конкретных сценариев следует проверять самостоятельно.

XORTRON — мультимодальная диалоговая модель семейства Qwen3.5, опубликованная darkc0de. По метаданным, это результат слияния coder3101/Qwen3.5-27B-heretic и двух моделей XORTRON; она поддерживает анализ изображений, диалог и интерфейс вызова инструментов. Автор позиционирует её как uncensored-модель с сильными возможностями программирования и агентной работы, рассчитанную на быстрые ответы при локальном запуске. Модель принимает текст и изображения и выдаёт текст. Репозиторий использует Transformers и формат Safetensors. Лицензия — WTFPL. В карточке заявлены общие возможности, но подробных оценок качества, требований к оборудованию и результатов тестирования нет.

XVERSE-MoE-A36B — базовая многоязычная языковая модель, самостоятельно разработанная компанией Shenzhen Yuanxiang Technology. Это decoder-only Transformer с архитектурой смеси экспертов (MoE): в модели 255,4 млрд параметров, из которых при вычислении активируется около 36,5 млрд. Она включает 64 разделяемых между токенами эксперта и 2 общих эксперта; маршрутизатор выбирает 6 экспертов. Модель предназначена для генерации текста и служит базой для дальнейшей адаптации, а не готовой чат-моделью. Модель обучалась на текстах более чем на 40 языках, включая китайский, английский, русский и испанский; авторы отмечают особенно высокие результаты на китайском и английском. Длина обучающих последовательностей составляла 8 тысяч токенов, что соответствует заявленному контекстному окну. В карточке приведены сравнительные оценки на наборах для общих знаний, рассуждений и программирования. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Как и другие большие языковые модели, она может выдавать неточную, предвзятую или оскорбительную информацию. Для прикладного использования авторы рекомендуют проверять безопасность и адаптировать модель к конкретному сценарию; для диалогового применения может потребоваться отдельная чат-адаптация.

AIArchiveInfo публикует побитовую архивную копию базовой языковой модели Yi-6B, созданной компанией 01.AI. Веса скопированы из 01-ai/Yi-6B без обучения, дообучения или изменений; модель основана на плотной архитектуре Transformer типа Llama и содержит около 5,8 млрд параметров. Контекст составляет до 4096 токенов. Модель предназначена для генерации текста и может служить основой для задач понимания языка, рассуждений и чтения на английском и китайском языках. Это базовая, а не чат-версия модели; для диалога может потребоваться дополнительная настройка. Репозиторий содержит веса PyTorch и Safetensors. Лицензия Apache 2.0.

zen-eco-4b-instruct-i1-GGUF — квантованная версия языковой модели zenlm/zen-eco-4b-instruct, подготовленная mradermacher в формате GGUF. Базовая модель разработана командой ZenLM; в карточке указано семейство архитектуры Qwen3 и библиотека Transformers. Модель предназначена для генерации текста и диалоговых сценариев, включая работу локально через совместимые с GGUF инструменты. Модель имеет около 4 миллиардов параметров, поддерживает текстовую модальность и английский язык. Контекстное окно и дополнительные языки в карточке не указаны. Доступно множество вариантов квантизации с размерами примерно от 0,9 до 2,6 ГБ; среди них IQ- и Q4–Q6-варианты с различным компромиссом между размером, скоростью и качеством. В README рекомендуется i1-Q4_K_M как быстрый вариант, а i1-Q4_K_S описывается как оптимальный по размеру, скорости и качеству. Более агрессивные низкобитные варианты могут заметно терять в качестве. Сильными сторонами являются небольшой размер, возможность локального запуска и широкий выбор уровней квантизации. Ограничения связаны с отсутствием в карточке результатов бенчмарков, данных о контекстном окне и подробностей обучения; качество зависит от выбранного варианта квантизации. Модель распространяется по лицензии Apache-2.0.

zen-pro-i1-GGUF — это набор квантизированных файлов в формате GGUF для базовой текстовой модели zenlm/zen-pro. Модель разработана zenlm, а квантизация выполнена mradermacher с использованием weighted/imatrix-подхода. В метаданных указаны библиотека Transformers, назначение text-generation и специализация на reasoning-задачах. Модель предназначена для генерации текста и сценариев, требующих рассуждений. Указан английский язык. Репозиторий содержит варианты квантизации от i1-IQ1_S до i1-Q6_K размером примерно от 2,2 до 6,8 ГБ, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством. Для большинства применений рекомендован вариант i1-Q4_K_M как быстрый, а i1-Q4_K_S отмечен как оптимальный по соотношению размера, скорости и качества; варианты с низкой битностью могут заметно уступать по качеству. В README не указаны архитектура, точное число параметров, максимальная длина контекста, поддерживаемые модальности или результаты бенчмарков. Файлы рассчитаны на использование с инструментами, поддерживающими формат GGUF; конкретные требования к оборудованию зависят от выбранного варианта квантизации. Лицензия модели — Apache-2.0.

chujiezheng/zephyr-7b-beta-ExPO — диалоговая языковая модель, созданная методом Weak-to-Strong Extrapolation (ExPO) на основе контрольных точек HuggingFaceH4/zephyr-7b-beta и HuggingFaceH4/mistral-7b-sft-beta. Авторы README указывают, что веса получены экстраполяцией с alpha = 0.1 между SFT- и DPO/RLHF-чекпойнтами для улучшения согласования с предпочтениями людей. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов. Она предназначена для генерации текста в диалоговом формате; в README приведены результаты сравнений на AlpacaEval 2.0 и MT-Bench. Метаданные указывают английский язык и формат safetensors. Лицензия — Apache-2.0. Заявленное улучшение согласования описано для конкретных бенчмарков и не гарантирует превосходства на других задачах.

ShenaoZ/0.0001_withdpo_3iters_bs256_551lr_iter_2 — диалоговая модель генерации текста, созданная дообучением ShenaoZ/0.0001_withdpo_3iters_bs256_551lr_iter_1 на обновлённом и исходном наборах данных. Она построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Модель предназначена для генерации ответов в диалоге и других задач продолжения текста. В репозитории опубликованы веса в формате safetensors; лицензия — MIT. В карточке модели нет подробностей об оценке качества и ограничениях, поэтому её поведение на конкретных задачах следует проверять отдельно.

Это диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная на основе ShenaoZ/0.0005_withdpo_4iters_bs256_2epoch_5551lr_iter_1 на обновлённом и исходном наборах данных. Модель предназначена для генерации текста в диалоговом формате; подробные сценарии применения и результаты оценки в карточке не описаны. Максимальная длина контекста составляет 32 768 токенов. Модель распространяется в формате Safetensors по лицензии MIT.

Модель ShenaoZ/0.001_3iters_bs256_declr_nodpo_userresponse_iter_2 — дообученная диалоговая модель генерации текста на архитектуре Mistral. Она содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано дообучение предыдущей версии модели на наборах данных updated и original. Модель предназначена для генерации текста и диалогового общения. Она распространяется в формате safetensors по лицензии MIT. README не приводит результатов оценки или описания конкретных сценариев применения.

ShenaoZ/0.001_ablation_4iters_bs256_declr_iter_3 — разговорная модель генерации текста на архитектуре Mistral, дообученная на моделях ShenaoZ/0.001_ablation_4iters_bs256_declr_iter_2 с использованием исходного и обновлённого наборов данных. Она предназначена для диалоговой генерации текста и принимает текстовые запросы, выдавая текстовые ответы. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и опубликована в формате Safetensors. Модель создана как очередной этап дообучения в серии абляционных экспериментов; карточка не описывает конкретные улучшения, результаты оценки или специализированные сценарии применения. Репозиторий использует лицензию MIT.

ShenaoZ/0.001_ablation_5iters_bs256_iter_1 — дообученная разработчиком модель Mistral для генерации текста и диалогового общения. Она основана на HuggingFaceH4/mistral-7b-sft-beta и дообучена на наборе HuggingFaceH4/ultrafeedback_binarized; архитектура — плотная авторегрессионная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель принимает текст и генерирует текст, поддерживает чат. Карточка не описывает специальные области применения или результаты оценки качества. Базовая модель обучена на англоязычных синтетических диалогах, поэтому англоязычное общение и ответы на вопросы — наиболее обоснованные сценарии использования. Модель распространяется по лицензии MIT.

ShenaoZhang/0.01_ablation_4iters_bs128_nodpo_iter_2 — разговорная языковая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Это дообучение модели ShenaoZhang/0.01_ablation_4iters_bs128_nodpo_iter_1 на обновлённом и исходном наборах данных; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев, поддерживает контекст до 32 768 токенов. Модель опубликована ShenaoZhang 25 апреля 2024 года под лицензией MIT. Карточка не описывает конкретные сильные стороны, результаты оценки или целевые языки, поэтому качество для отдельных задач и языков по имеющимся сведениям определить нельзя.

Модель ShenaoZ/0.01_withdpo_4iters_bs256_531lr_iter_2 — дообученная версия модели ShenaoZ/0.01_withdpo_4iters_bs256_531lr_iter_1 на исходном и обновлённом наборах данных. Это плотная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов, предназначенная для генерации текста и диалоговых ответов. Модель поддерживает чатовый сценарий и распространяется в формате safetensors. Карточка не описывает конкретные области применения, результаты оценки или известные ограничения качества. Модель опубликована под лицензией MIT.

Это дообученная диалоговая модель ShenaoZ на архитектуре Mistral с 7,1 млрд параметров. Она продолжает обучение модели ShenaoZ/0.0_withdpo_4iters_bs256_5102lr_misit_iter_1 на обновлённом и исходном наборах данных; в метаданных также отмечен DPO. Модель предназначена для генерации текста в диалоговом формате и принимает текстовые запросы, выдавая текстовые ответы. Контекстное окно составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Подробности о целевых сценариях, языках обучения и качестве модели в карточке не приведены.

Это контрольная точка языковой модели в формате Hugging Face, подготовленная для загрузки через AutoModelForCausalLM. Репозиторий отмечен как резервная копия исследовательского артефакта; разработчик и назначение эксперимента в карточке не раскрыты. Модель использует плотную архитектуру Qwen2 и содержит 7,1 млрд параметров. Метаданные указывают контекст длиной до 131072 токенов, поддержку чата и интерфейса вызова инструментов. Основная задача — генерация текста; файлы представлены в формате safetensors. Модель может служить для диалоговой генерации и экспериментов с вызовом инструментов. Лицензия не указана в предоставленных данных, поэтому условия использования по ним определить нельзя.

Это контрольная копия экспериментального чекпойнта в стандартном формате Hugging Face, разработанная пользователем yuq-zhou. Модель относится к семейству Qwen3: плотная авторегрессионная языковая модель с 1,7 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Метаданные отмечают интерфейс вызова инструментов. Модель принимает текст и выдаёт текст. Заявленная длина контекста составляет 40 960 токенов. Репозиторий содержит веса Safetensors для Transformers. README характеризует модель как резервную копию исследовательского артефакта; условия лицензии в предоставленных данных не приведены.

Модель yuq-zhou/2026-05-o-b0p5-a0p5-gc0p75-exp-td8p0-tw10p0-mbz-bridge-q3-1p7b — текстовая генеративная модель на архитектуре Qwen3 с 1,7 млрд параметров. Это контрольная точка в формате Hugging Face Transformers, сохранённая в safetensors; карточка называет её резервной копией исследовательского артефакта. Модель поддерживает контекст до 40 960 токенов и интерфейс чата с вызовом инструментов. Модель предназначена для генерации текста в диалоге и сценариев, где требуется передать запрос инструменту через поддерживаемый интерфейс. README не описывает обучение, датасеты, языки или конкретные оценки качества. Условия лицензии в предоставленных данных не указаны.

Fischerboot/2b-tiny-llama-alpaca-instr — компактная языковая модель семейства Llama, созданная слиянием предобученных моделей с помощью mergekit и метода passthrough. В метаданных указаны 2 млрд параметров, архитектура LlamaForCausalLM и контекст 2048 токенов. В качестве включённой базовой модели README и метаданные называют concedo/KobbleTinyV2-1.1B. Модель предназначена для генерации текста и ответов на инструкции; описание базовой модели также указывает на ролевые диалоги и художественные истории. Доступна в формате safetensors для библиотеки Transformers. Сведений о лицензии и специальных ограничениях в предоставленных данных нет.

Карточка модели qihoo360/360Zhinao-7B-Chat-4K на Hugging Face совпадает с карточкой qihoo360/360Zhinao-7B-Base, поэтому описание составлено по ней. 360Zhinao-7B-Base — базовая авторегрессионная языковая модель семейства 360Zhinao, разработанная командой 360 (Qihoo 360). Модель содержит 7,1 млрд параметров и обучена на корпусе объёмом 3,4 трлн токенов, преимущественно на китайском и английском языках, а также на коде. Это базовая, а не чат-версия; для диалогового применения в серии отдельно выпущены модели Chat. Модель предназначена для генерации текста и служит основой для задач понимания языка, работы со знаниями, математики, логических рассуждений и генерации кода. Она поддерживает контекст до 4096 токенов, построена на архитектуре ZhinaoForCausalLM и распространяется в формате safetensors для Transformers. README сообщает о сравнительной оценке базовой модели на наборах OpenCompass, включая C-Eval, MMLU, GSM8K и HumanEval. Лицензия — Apache-2.0. Как базовая языковая модель, она не настроена специально для следования инструкциям или ведения диалога; качество ответов зависит от промпта и сценария применения.

Это GGUF-квантизированная версия текстовой генеративной модели 70B-L3.3-Cirrus-x1, разработанной Sao10K и подготовленной пользователем bartowski. Квантизация выполнена с помощью llama.cpp и метода imatrix; доступны варианты от Q8_0 до IQ2_XXS с разным соотношением качества, размера файла и требований к памяти. Модель предназначена для генерации текста и может запускаться локально через llama.cpp или LM Studio. В README приведён специальный формат промпта на основе шаблона Llama 3.3 с ролями system, user и assistant. Версия содержит около 70 миллиардов параметров, однако сведения об архитектуре, поддерживаемых языках, модальностях и максимальной длине контекста не указаны. Сильной стороной являются многочисленные варианты квантизации: Q6_K и Q5_K обозначены как высококачественные, Q4_K_M — как стандартный вариант для большинства сценариев, а более компактные Q3 и Q2 позволяют снизить требования к оперативной памяти ценой заметного ухудшения качества. Файлы могут занимать примерно от 19 до 75 ГБ, поэтому для запуска требуется мощное локальное оборудование; точные требования к аппаратному обеспечению и производительности не приведены. Модель распространяется по лицензии llama3.3.

72B-Qwen2.5-Kunou-v1-GGUF — это набор GGUF-квантизаций текстовой генеративной модели 72B-Qwen2.5-Kunou-v1, подготовленный пользователем bartowski на основе модели Sao10K. Квантизация выполнена с помощью llama.cpp и метода imatrix; файлы предназначены для локального запуска, в том числе через LM Studio, с использованием формата чата Qwen2.5. Модель предназначена для генерации текста и диалоговых сценариев. Исходя из названия и указанных данных, она имеет около 72 миллиардов параметров и работает с текстовой модальностью. Сведения о языках, длине контекста, точной архитектуре и специализированных задачах в README не приведены. Доступны варианты квантизации от Q8_0 до Q2_K с размером файлов примерно от 29,81 до 77,26 ГБ, что позволяет выбирать между качеством и требованиями к памяти. В README рекомендуются, в частности, Q6_K, Q5_K_M, Q5_K_S и варианты Q4. Сильной стороной являются большой размер модели и широкий выбор квантизаций, включая варианты, оптимизированные для отдельных ARM-конфигураций. Ограничения связаны с высокими требованиями к оперативной памяти и заметным снижением качества у наиболее компактных вариантов; некоторые сборки не предназначены для Mac или GPU. Лицензия указана как other с названием qwen; ссылка ведёт на лицензию Qwen/Qwen2.5-72B-Instruct.

ADAPT-Llama3.1-4.8B-Instruct — инструкционно настроенная плотная языковая модель семейства Llama, разработанная Harvard-DCML как студенческая модель, дистиллированная из meta-llama/Llama-3.1-8B-Instruct. Она предназначена для генерации текста и диалогов, а также служит компактной моделью для построения промежуточных вариантов размера между ней и исходной моделью-учителем с помощью метода ADAPT. Модель содержит 4,2 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Для интерполяции README рекомендует патчить первые слои студенческой модели; число патчируемых слоёв позволяет менять размер промежуточной модели. В метаданных указаны библиотека Transformers и формат safetensors. Модель основана на Llama 3.1 8B Instruct и обучалась на данных The Pile deduplicated и Llama Nemotron Post-Training Dataset. Лицензия — Apache-2.0. Карточка не перечисляет конкретные языки или детальные ограничения качества; как и другие генеративные языковые модели, она может выдавать неточные или нежелательные ответы.

Air-Striker-Mixtral-8x7B-ZLoss — текстовая авторегрессионная модель семейства Mixtral с архитектурой Mixture of Experts, представленная в формате PyTorch FP16. Карточка описывает её как объединение LoRA с базовой моделью; упоминается отдельная instruct-версия, но данный репозиторий содержит не её. В метаданных указаны 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Разработчик не приводит подробностей о целевых сценариях, языках или результатах оценки качества. Репозиторий создан 22 февраля 2024 года. Условия лицензии в доступных данных не указаны.

stanford-crfm/alias-gpt2-small-x21 — языковая модель для генерации текста, разработанная Stanford CRFM и опубликованная в формате PyTorch. Она основана на GPT-2; архитектура — плотная GPT-2 с классом GPT2LMHeadModel, а размер контекста составляет 1024 токена. Карточка указывает прямое применение для генерации текста, но не описывает специальную предметную область или целевые языки. Модель подходит для продолжения заданного текста и других сценариев генерации на основе текстового промпта. Лицензия — Apache 2.0. Модель может воспроизводить вредные стереотипы и предвзятые высказывания; её не следует использовать для намеренного создания враждебной или отчуждающей среды.

Карточка модели Alluci/alluci-polytope-gemma-4-31b-it-bf16 на Hugging Face совпадает с карточкой mlx-community/gemma-4-31b-it-bf16, поэтому описание составлено по ней. Gemma 4 31B IT BF16 — мультимодальная инструкционно-настроенная модель Google DeepMind, преобразованная сообществом mlx-community в формат MLX из google/gemma-4-31B-it. Она предназначена для диалогов, генерации текста и анализа изображений; запускать её можно с помощью mlx-vlm. Модель использует плотную архитектуру Gemma 4 и принимает текст и изображения, выдавая текст. В репозитории указаны веса BF16 в формате safetensors и лицензия Apache-2.0.

AlphaMist7B-slr-v1 — дообученная Alphacode-AI модель на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста в диалоговом формате и обучена на внутренних пользовательских данных разработчика. Модель принимает текст и генерирует текст; заявленная длина контекста составляет 32 768 токенов. В метаданных указан корейский язык. Модель основана на mistralai/Mistral-7B-v0.1 и опубликована в формате safetensors. Для обучения использовались A100, DeepSpeed, TRL Trainer и Accelerate. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое применение. Карточка не описывает специализацию датасета, качество на конкретных задачах или результаты оценки.

Карточка модели Alphacode-AI/AlphaMist7B-slr-v2 на Hugging Face совпадает с карточкой Alphacode-AI/AlphaMist7B-slr-v1, поэтому описание составлено по ней. AlphaMist7B-slr-v1 — дообученная Alphacode-AI модель на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста в диалоговом формате и обучена на внутренних пользовательских данных разработчика. Модель принимает текст и генерирует текст; заявленная длина контекста составляет 32 768 токенов. В метаданных указан корейский язык. Модель основана на mistralai/Mistral-7B-v0.1 и опубликована в формате safetensors. Для обучения использовались A100, DeepSpeed, TRL Trainer и Accelerate. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое применение. Карточка не описывает специализацию датасета, качество на конкретных задачах или результаты оценки.