II.6Документация и сопровождение разработки

ohkwon/kanana-1.5-8b-instruct-2505-Safe-DPO — диалоговая языковая модель семейства Llama, представленная ohkwon. Это дообученная модель с 7,5 млрд параметров для генерации текста и общения; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Карточка сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Модель подходит для диалоговых сценариев и генерации ответов на текстовые запросы. В карточке указана лицензия Apache-2.0. Данных о специализации по предметной области или дополнительных ограничениях качества в доступных источниках нет.

Kaori-70b-v1 — языковая модель семейства Llama с 68,7 млрд параметров, дообученная Kaeri и Jenti методом QLoRA. Модель предназначена для генерации текста; при разработке использовались наборы данных Open-Platypus, Dolphin и OpenOrca. Модель принимает текст и генерирует текст. Её контекст составляет 4096 токенов. Карточка указывает лицензию Llama 2; применимость этой лицензии следует учитывать при использовании и распространении модели.

KeawGPT — языковая модель KordAI с архитектурой Qwen3 и примерно 3,7 млрд параметров, дообученная на базе KordAI/KeawGPT-Base. Она предназначена для генерации ответов и рассуждений на английском языке по STEM-дисциплинам — математике, физике, инженерии и информатике — и философии, включая логику, этику и анализ аргументов. Модель поддерживает диалог и структурированные вызовы инструментов, например для поиска в интернете и выполнения кода, если приложение умеет обрабатывать вызовы и передавать результаты обратно модели. Контекст — до 32 768 токенов; веса доступны в формате Safetensors. Модель подходит для объяснения технических понятий, разбора задач и концептуальных вопросов, а также для использования в агентных сценариях с инструментами. Она может допускать фактические и логические ошибки, особенно в многошаговых доказательствах и узкоспециальных темах, и выдумывать цитаты или источники. Вызов инструментов требует соответствующей реализации в приложении. Модель не предназначена для критически важных решений или профессиональных медицинских, юридических и финансовых консультаций. Лицензия — Apache-2.0.

KordAI/KeawGPT-Opus — англоязычная плотная авторегрессионная языковая модель семейства Qwen3 с 3,7 млрд параметров, разработанная KordAI как дообучение KordAI/KeawGPT. Модель принимает текст и генерирует текст; поддерживает диалоговый режим и интерфейс вызова инструментов. Для работы с контекстом поддерживается до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Она распространяется в формате safetensors по лицензии Apache-2.0. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки TRL от Hugging Face.

Keefe-Discere-v2.0-OxAlpha — языковая модель KeefeBuild, дообученная на базе unsloth/qwen2.5-7b-instruct-unsloth-bnb-4bit. Это плотная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и примерно 7,1 млрд параметров; она принимает текст и генерирует текст, поддерживает диалог и интерфейс вызова инструментов. Модель предназначена для текстовой генерации и разговорных сценариев на английском языке, с контекстом до 32 768 токенов. В карточке указаны Apache-2.0 и обучение с использованием Unsloth и библиотеки TRL. Конкретные специализации и результаты оценки качества не описаны, поэтому модель следует рассматривать как универсальную дообученную языковую модель, а поведение при вызове инструментов проверять в целевой интеграции.

Keefe-Discere-v3.2 — дообученная языковая модель семейства Qwen2, опубликованная KeefeBuild. Это плотная авторегрессионная модель с 7,1 млрд параметров, предназначенная для генерации текста в диалоговом формате; метаданные также указывают интерфейс вызова инструментов. Модель обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель принимает текст и выдаёт текст. В метаданных указаны английский язык и контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. README указывает на дообучение от KeefeBuild/Keefe-Discere-v3.2, то есть от модели с тем же идентификатором, поэтому исходная базовая модель отдельно не подтверждена.

Kosmos-EVAA-gamma-alt-8B — плотная авторегрессионная языковая модель семейства Llama, созданная Jaspionjader с помощью слияния SLERP через mergekit. В слиянии использованы jaspionjader/Kosmos-EVAA-v3-8B и johnsutor/Llama-3-8B-Instruct_breadcrumbs-density-0.1-gamma-0.01; результат сохранён в формате safetensors с точностью bfloat16. По метаданным модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и может применяться в сценариях, где требуется продолжать текст или формировать ответы по текстовому запросу. Карточка не описывает отдельные специализированные задачи, языки или отрасли, поэтому модель следует рассматривать как языковую модель общего назначения. В README указано слияние предварительно обученных моделей; условия лицензии в предоставленных данных не приведены.

jaspionjader/Kosmos-EVAA-immersive-sof-v44-8B — плотная авторегрессионная языковая модель семейства Llama, созданная разработчиком jaspionjader путём слияния предварительно обученных моделей jaspionjader/sof-10, jaspionjader/sof-13 и jaspionjader/sof-14 методом Model Stock с помощью mergekit. Модель предназначена для генерации текста и диалогового взаимодействия; репозиторий использует библиотеку Transformers и формат safetensors. Указанный размер — 7,5 млрд параметров, длина контекста — 131 072 токена. Модель принимает текст и генерирует текст. Карточка не сообщает о специализации на конкретных языках или прикладных областях. Лицензия в предоставленных данных не указана.

Kosmos-EVAA-PRP-v29-8B — объединённая плотная языковая модель семейства Llama, созданная jaspionjader с помощью mergekit. В слиянии методом SLERP использованы предварительно обученные модели jaspionjader/Kosmos-EVAA-PRP-v26-8B и jaspionjader/Kosmos-EVAA-PRP-v28-8B. Модель предназначена для генерации текста и работает через библиотеку Transformers. Она содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Данные не уточняют целевые языки или специализированные области применения. Файлы весов доступны в формате safetensors. Лицензия в предоставленных сведениях не указана.

Kosmos-EVAA-TSN-v20-8B — языковая модель семейства Llama, созданная объединением двух предварительно обученных моделей с помощью mergekit и метода SLERP. Репозиторий разработан jaspionjader; в объединение вошли jaspionjader/Kosmos-EVAA-TSN-v19-8B и jaspionjader/TSN-Kosmos-EVAA-v2-8B. Модель предназначена для генерации текста и поддерживает контекст до 8192 токенов. Она имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и распространяется в формате safetensors; в конфигурации слияния указан тип данных bfloat16. Подходит для генерации ответов и продолжения текста в приложениях на базе Transformers. Карточка не сообщает о специализированных областях применения или ограничениях качества. Лицензия в предоставленных данных не указана.

kstc-1-8b — слитая языковая модель, созданная автором jaspionjader с помощью mergekit. В основе архитектура Llama с плотной структурой и классом LlamaForCausalLM; размер модели — 7,5 млрд параметров, формат весов — safetensors, длина контекста — до 131 072 токенов. Модель предназначена для генерации текста и диалогового общения. Её можно использовать для ведения беседы и создания текстовых ответов в задачах с длинным контекстом. В слияние вошли jaspionjader/Kosmos-EVAA-Franken-Immersive-v39-8B, v40-8B и v41-8B; в README указаны метод Model Stock и v41-8B как базовая модель. Лицензия и специальные ограничения применения в предоставленных данных не описаны.

Luminea — объединённая диалоговая языковая модель на архитектуре Llama, созданная автором репозитория с помощью mergekit и метода Model Stock. В качестве базовой модели использована NousResearch/Meta-Llama-3.1-70B-Instruct; в объединение также вошли NeverSleep/Lumimaid-v0.2-70B и nvidia/Llama-3.1-Nemotron-70B-Instruct-HF. Модель содержит 69,5 млрд параметров, принимает текстовые запросы и генерирует текст. Она предназначена для диалогов, ответов на инструкции и запросы; заявленная длина контекста — 131 072 токена. Репозиторий использует Transformers и формат safetensors. Качество ответов и ограничения отдельно в карточке не описаны. Лицензия в предоставленных данных отсутствует.

L3.1-Purosani-1.5-8B — языковая модель для генерации текста и диалогов, созданная автором djuna с помощью слияния нескольких предварительно обученных моделей через mergekit. В качестве основы использована unsloth/Meta-Llama-3.1-8B; среди компонентов также указаны модели для вычислений, длинных текстов, инструктивных ответов и диалогов. Метод слияния — della_linear. Модель построена на плотной архитектуре Llama и содержит 7,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов и предназначена для разговорного взаимодействия и генерации длинных ответов. В репозитории представлены веса Safetensors для библиотеки Transformers. Карточка не приводит оценки качества или подробных ограничений. Указанная в метаданных лицензия отсутствует, поэтому условия использования определить по имеющимся данным нельзя.

Lamarck-14B-v0.3 — языковая модель на архитектуре Qwen2, созданная sometimesanotion как многоэтапное слияние нескольких моделей через model_stock, DELLA, SLERP и TIES. При слиянии авторы сочетали модели, ориентированные на рассуждения и качество прозы, с акцентом на Virtuoso-Small в начальных и финальных слоях; также использованы модели Qwen2.5-14B-Wernicke и SeQwence-14B-EvolMerge. Модель предназначена для диалогов, следования инструкциям, генерации связного текста и задач, требующих рассуждений; в метаданных также заявлен интерфейс вызова инструментов. Размер модели — 14 млрд параметров, контекст — до 131 072 токенов. Карточка приводит результаты Open LLM Leaderboard, включая IFEval и BBH. Поддерживается английский язык. Лицензия — Apache-2.0.

Laser-WestLake-2x7B — языковая модель для генерации текста, созданная macadeliccc путём слияния cognitivecomputations/WestLake-7B-v2-laser и SanjiWatsuki/Kunoichi-DPO-v2-7B. В README указано, что WestLake-7B-v2-laser выступает базовой моделью и одним из экспертов при слиянии. Модель использует архитектуру Mixtral с разреженной экспертной структурой (MoE), содержит около 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалогов и других задач генерации текста; README указывает формат ChatML и предлагает использовать её так же, как исходную WestLake-7B. В карточке приведены результаты бенчмарков, включая средний балл 74,00 в Open LLM Leaderboard. Поддержка русского или других конкретных естественных языков отдельно не описана. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0.

jumtul/LDCC-Hyeogi.03 — объединённая текстовая модель генерации, созданная автором репозитория с помощью mergekit из LDCC/LDCC-SOLAR-10.7B и hyeogi/SOLAR-10.7B-dpo-v1. Для слияния применён метод SLERP; в конфигурации указана точность bfloat16. Модель семейства Llama с плотной архитектурой LlamaForCausalLM содержит 10,7 млрд параметров и рассчитана на контекст до 4096 токенов. Её можно использовать для генерации текста и диалоговых сценариев на основе текстового ввода. Карточка не приводит отдельной оценки качества или перечня поддерживаемых языков. Условия лицензии в предоставленных данных не описаны.

Lelantos-low-tune — объединённая языковая модель на 7,1 млрд параметров от nlpguy, созданная с помощью mergekit методом task arithmetic. В основе объединения лежат DPOpenHermes-7B-v2 и SanjiWatsuki/Lelantos-7B; архитектура — плотная Mistral для авторегрессионной генерации текста. Модель рассчитана на диалог и другие сценарии генерации текста, поддерживает контекст до 32 768 токенов. В README приведены результаты Open LLM Leaderboard: средняя оценка 70,82, включая 67,06 на AI2 Reasoning Challenge и 86,06 на HellaSwag. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не указывает целевые языки или специализированную область применения.

Gemma-2-Ataraxy-v4c-9B_fixed — диалоговая языковая модель на архитектуре Gemma 2, созданная автором lemon07r с помощью слияния предварительно обученных моделей lemon07r/Gemma-2-Ataraxy-v3b-9B и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25. Слияние выполнено методом SLERP; модель содержит 9 млрд параметров, веса доступны в формате safetensors, а нативная длина контекста составляет 8192 токена. Модель предназначена для генерации текста в диалоге: она подходит для ответов на запросы, выполнения инструкций и творческой генерации. В README приведены результаты отдельных оценок Open LLM Leaderboard, включая IFEval и BBH. Веса опубликованы с лицензией Gemma.

LFM2.5-2.6B-MLX-4bit — компактная мультиязычная текстовая generative-модель, разработанная Liquid AI. Это экспорт модели LFM2.5-2.6B в формате MLX, предназначенный для запуска вывода на устройствах с Apple Silicon. Модель подходит для генерации текста и других сценариев, основанных на обработке текстовых запросов, включая локальное использование на совместимых устройствах. Модель содержит 2,6 млрд параметров, использует 4-битную точность с размером группы 64 и занимает около 1,47 ГБ. Она построена на гибридной архитектуре Liquid AI, объединяющей свёрточные и attention-слои для эффективной обработки длинного контекста; заявленная длина контекста составляет 131 072 токена. Поддерживаются арабский, китайский, английский, французский, немецкий, хинди, индонезийский, итальянский, японский, корейский, польский, португальский, русский, испанский, тайский и вьетнамский языки. К сильным сторонам относятся компактный размер, низкая разрядность и возможность локального инференса на Apple Silicon, а ограничениями — специализация на текстовой модальности и потенциальные компромиссы качества, связанные с 4-битным квантованием. Модель распространяется по лицензии LFM 1.0.

Sakalti/light-7b-beta — объединённая языковая модель на архитектуре Qwen2, созданная автором репозитория методом TIES с помощью mergekit на основе Qwen/Qwen2.5-7B и Qwen/Qwen2.5-7B-Instruct. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста и диалоги; заявленный контекст — до 131 072 токенов. Модель принимает текст и выдаёт текст. Её можно использовать для диалоговых ассистентов, генерации и продолжения текста, а также структурированных ответов. В метаданных указаны интерфейс вызова инструментов и лицензия Apache-2.0. Данных о конкретной специализации, языках или результатах оценки качества в карточке нет.

Ling-2.5-1T — открытая языковая модель компании Inclusive Intelligence для диалогов, генерации текста, рассуждений и работы с инструментами. Она построена на гибридной архитектуре Bailing MoE с линейным вниманием; в карточке Hugging Face указано 59 млрд параметров, а разработчик сообщает о 1 трлн общих и 63 млрд активных параметров. Эти оценки размера различаются. Модель распространяется в формате safetensors и поддерживает интерфейс вызова инструментов. Модель рассчитана на следование инструкциям, творческое письмо, сложные рассуждения, агентные сценарии и обработку длинных контекстов. README заявляет контекст до 1 млн токенов с YaRN; метаданные указывают нативный контекст 131 072 токена. Разработчик сообщает об обучении на 29 трлн токенов и улучшении пропускной способности при длинной генерации. Модель выпущена под лицензией MIT. В README отмечено, что она пока уступает передовым моделям в сложных взаимодействиях агентов и длительном выполнении задач. Указания на поддержку конкретных естественных языков в предоставленных данных отсутствуют.

LLaDA2.1-mini — инструктивно дообученная диффузионная языковая модель серии LLaDA от inclusionAI на архитектуре Mixture-of-Experts. Она предназначена для диалогов, генерации текста и задач, в которых полезно быстро создавать и редактировать ответы. Модель поддерживает контекст до 32 768 токенов; в README указано 16 млрд параметров без эмбеддингов, тогда как метаданные Hugging Face указывают 1,2 млрд параметров. Эти сведения о размере расходятся. Ключевая особенность модели — редактируемая генерация с режимами Speed и Quality: README описывает компромисс между скоростью вывода и качеством, а также возможность исправления ошибок в процессе генерации. Модель доступна в формате safetensors и использует библиотеку Transformers. README рекомендует определённые настройки денойзинга и отмечает, что низкий порог может вызывать прерывистую генерацию. Лицензия — Apache-2.0.

Llama 2 70B — разработанная Meta предварительно обученная авторегрессионная языковая модель с оптимизированной архитектурой Transformer. Эта версия содержит 70 млрд параметров и опубликована в формате Hugging Face Transformers с весами PyTorch и safetensors. Модель принимает текст и генерирует текст. Она предназначена для генерации на естественном языке и может служить основой для адаптации под различные задачи; карточка указывает английский язык как целевой. Модель обучена на 2 трлн токенов общедоступных данных с отсечкой сентября 2022 года. Для версии 70B используется Grouped-Query Attention; длина контекста — 4 тыс. токенов. Модель разработала Meta. Это базовая предварительно обученная версия, а не вариант Llama-2-Chat, поэтому её не следует считать готовым диалоговым помощником без дополнительной настройки. Выводы могут быть неточными, предвзятыми или нежелательными; перед внедрением нужны проверки и настройка безопасности для конкретного применения. Использование регулируется лицензией Meta Llama 2; для загрузки весов требуется принять её условия.

Это сжатая методом SNIPER версия Meta-Llama-3.1-8B-Instruct от автора репозитория parmanu-lcs2. После обрезки в модели осталось 5,287,235,584 параметра; затем веса восстановительно дообучили на 2000 примерах SlimOrca с помощью LoRA и объединили адаптер с основными весами. Модель использует плотную архитектуру Llama и предназначена для генерации текста в диалоговом формате; она может применяться для ответов на вопросы, инструкций и других текстовых запросов. В метаданных указан контекст до 131072 токенов. Модель загружается через Transformers и распространяется в формате safetensors. Лицензия в предоставленных данных не указана, поэтому условия использования следует сверить на странице репозитория. Обрезка и восстановительное дообучение могут повлиять на качество по сравнению с исходной Meta-Llama-3.1-8B-Instruct; README сообщает о настройке обучения на контексте 1024 токена.

Карточка модели triplee/llama3.1_8b_cardiff_2024-08-19_merge на Hugging Face совпадает с карточкой triplee/llama3.1_8b_2S1S_v5_merge, поэтому описание составлено по ней. Модель triplee/llama3.1_8b_2S1S_v5_merge — дообученная текстовая модель семейства Llama 3.1, разработанная triplee на основе unsloth/meta-llama-3.1-8b-instruct. Она предназначена для генерации текста и диалоговых сценариев; в метаданных также заявлен интерфейс вызова инструментов. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Для обучения использовались Unsloth и библиотека TRL; файлы представлены в формате safetensors. Лицензия — Apache-2.0.

Llama-3.1-8B-TitanFusion-Test — объединённая языковая модель семейства Llama, созданная с помощью mergekit методом TIES на основе meta-llama/Llama-3.1-8B. В слияние вошли несколько моделей на базе Llama 3.1, включая варианты для диалогов, ролевого общения и математических задач. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; нативная длина контекста составляет 131 072 токена. Модель предназначена для генерации текста и может применяться для диалогов, ответов на вопросы, ролевого общения и решения математических задач. Репозиторий указывает библиотеку Transformers. Лицензия в предоставленных данных не указана.

bunnycore/LLama-3.1-8b-Ultra-Max-Pro — объединённая разговорная языковая модель на архитектуре Llama 3.1, созданная с помощью mergekit методом DARE TIES. В качестве основы использована vicgalle/Configurable-Llama-3.1-8B-Instruct; в объединение также вошли Artificium, Lexi Uncensored V2, Ultra-Instruct, Hermes 3 и LLama-3.1-Hyper-Stock. Модель содержит 7,5 млрд параметров, рассчитана на генерацию текста и поддерживает контекст до 131 072 токенов. Модель предназначена для диалогов и генерации ответов на инструкции. Указанная в карточке комбинация моделей объединяет разговорную настройку, следование инструкциям и другие языковые возможности, однако README не приводит результатов оценок или конкретных гарантий качества. Модель работает с текстом и опубликована в формате safetensors для библиотеки Transformers. В метаданных лицензия не указана.

SliceX AI разработала ELM Turbo — семейство компактных языковых моделей Starfruit с модульной декомпозируемой архитектурой. Эта версия представляет собой инструктивно настроенный срез Llama 3.1; в репозитории указано 2,6 млрд параметров, а README относит модель к линейке срезов около 3 млрд параметров. Архитектура — плотная LlamaForCausalLM, формат весов — Safetensors, заявленный контекст — 131 072 токена. Модель предназначена для диалогов и генерации текста по инструкциям. Срезы ELM Turbo рассчитаны на выбор баланса качества, скорости и потребления памяти под разные условия развертывания, включая облачные и периферийные устройства; для ускорения вывода авторы также описывают интеграцию с TensorRT-LLM. README указывает на дообучение с использованием, среди прочего, наборов инструкций Tulu, Orca Math и WizardLM. Модель основана на meta-llama/Meta-Llama-3.1-8B-Instruct. Лицензия — llama3.1; условия её использования следует соблюдать. Авторы предупреждают, что данные дообучения могут содержать ошибки, смещения и неподходящий контент, поэтому ответы следует оценивать и проверять для конкретного применения.

Llama-3_1-Nemotron-51B-Instruct-GGUF — это GGUF-квантизированная версия инструкционной языковой модели Llama-3_1-Nemotron-51B-Instruct, разработанной NVIDIA и подготовленной для распространения пользователем bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая запуск локально через llama.cpp и LM Studio. Указан английский язык. Модель имеет 51 млрд параметров и доступна в форматах от F16 до различных вариантов 3-, 4-, 5-, 6- и 8-битного квантования. Размер файлов варьируется примерно от 23,49 до 103,01 ГБ. Квантизация выполнена с использованием imatrix; в карточке также отмечено исправление RoPE. Для работы следует использовать указанный шаблон инструкций с системным, пользовательским и ассистентским сообщениями. Контекст модели, архитектурные детали исходной версии и дополнительные модальности в README не указаны; по имеющимся данным это текстовая модель. Сильными сторонами являются широкий выбор вариантов квантования, возможность подобрать баланс между качеством и требованиями к памяти, а также поддержка llama.cpp и LM Studio. Более компактные варианты экономят память, но могут уступать полноразмерной версии по качеству. Для использования применяются условия NVIDIA Open Model License; конкретные ограничения следует проверять в тексте лицензии по указанной ссылке.

Llama-3.1-Nemotron-70B-Instruct-GGUF — квантованная версия инструкционной модели Llama 3.1 Nemotron 70B, разработанной NVIDIA и опубликованной в формате GGUF сообществом Backyard AI. Модель основана на nvidia/Llama-3.1-Nemotron-70B-Instruct-HF и предназначена для локального текстового общения, генерации текста и решения задач, требующих рассуждений. Модель содержит около 70,6 млрд параметров, поддерживает текстовую модальность и английский язык. Заявленный размер контекста составляет до 131 072 токенов. Формат GGUF совместим с приложениями на базе llama.cpp и позволяет распределять вычисления между CPU и GPU, снижая требования к видеопамяти по сравнению с полноразмерными форматами. Квантование уменьшает потребление ресурсов, но при низкой точности квантования может ухудшать связность и качество ответов. Сильными сторонами модели заявлены улучшенные способности к рассуждению и потенциальное превосходство над значительно более крупными моделями в соответствующих задачах. Ограничениями являются высокая вычислительная требовательность 70-миллиардной модели, зависимость качества от используемого уровня квантования и отсутствие заявленной поддержки языков, кроме английского. Модель распространяется по лицензии Llama 3.1.