II.6Документация и сопровождение разработки

Llama-3.1-Nemotron-lorablated-70B — диалоговая текстовая модель на архитектуре Llama, созданная автором репозитория слиянием NVIDIA Llama-3.1-Nemotron-70B-Instruct-HF и mlabonne/Llama-3-70B-Instruct-abliterated-LORA с помощью mergekit и task arithmetic. Модель содержит 69,5 млрд параметров и принимает текстовые запросы, генерируя текстовые ответы; поддерживает контекст до 131 072 токенов. Модель предназначена для диалогов и ответов на инструкции, включая запросы, на которые базовая модель могла отказываться отвечать. В метаданных также заявлен интерфейс вызова инструментов. Карточка приводит результаты оценивания на IFEval и BBH, но не описывает конкретный набор поддерживаемых языков. Модель распространяется по лицензии Llama 3.1; применимость её условий следует проверять для конкретного использования.

Llama 3.1 Tulu 2 DPO 8B — англоязычная диалоговая модель-помощник, разработанная Ai2 и дообученная на базе allenai/llama-3.1-tulu-2-8b. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом до 131 072 токенов. Веса опубликованы в формате safetensors. Модель предназначена для диалогов и выполнения разнообразных инструкций: она прошла дополнительное выравнивание методом DPO на данных UltraFeedback после дообучения на смеси открытых, синтетических и созданных людьми данных Tulu. Её можно применять для ответов на вопросы, написания текстов и решения задач по инструкциям на английском языке. Модель не проходила этап RLHF, ориентированный на безопасные ответы, и не использует фильтрацию ответов; при соответствующих запросах она может выдавать проблемный контент. Лицензия репозитория — Apache 2.0; в карточке также указана лицензия Meta Llama 3.1 Community License для базовой модели.

bunnycore/Llama-3.2-3B-Apex — диалоговая языковая модель, созданная разработчиком bunnycore слиянием нескольких предварительно обученных моделей через mergekit и методом Model Stock. В качестве базовой использована huihui-ai/Llama-3.2-3B-Instruct-abliterated; в слияние также вошли модели для разных навыков, рассуждений, научных задач, программирования и ролевого общения. Модель построена на архитектуре Llama с причинно-следственным языковым моделированием и содержит 3,2 млрд параметров. Она предназначена для генерации текста и диалоговых ответов; заявленная длина контекста — 131 072 токена. Метаданные также указывают интерфейс вызова инструментов. Данные о лицензии и поддерживаемых естественных языках в предоставленной карточке отсутствуют.

RedHatAI/Llama-3.2-3B-Instruct-FP8 — языковая модель для генерации текста и ассистентского диалога, разработанная Neural Magic на базе Meta Llama-3.2-3B-Instruct. Модель принимает текст и генерирует текст, поддерживает английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Она предназначена для исследовательского и коммерческого использования в многоязычных чат- и текстовых приложениях. Модель содержит около 3 миллиардов параметров и использует архитектуру Llama-3. Для весов и активаций применена FP8-квантизация линейных операторов в трансформерных блоках: веса квантизированы по каналам, активации — по всему тензору. Это примерно вдвое снижает требования к памяти GPU и размер диска, а также может примерно вдвое повысить пропускную способность матричных операций. В README указана длина контекста до 8192 токенов для развертывания через vLLM. Сильной стороной модели является близкая к неквантизированной версии точность: на перечисленных бенчмарках заявлено восстановление результатов в пределах 0,7%. FP8-формат делает модель более удобной для эффективного инференса, в частности с использованием vLLM и OpenAI-совместимой серверной подачи. Ограничения включают меньший размер и потенциально более низкие возможности по сравнению с крупными моделями Llama, а также зависимость качества от языкового сценария и квантизации; сведения о специализированных ограничениях безопасности в README не приведены. Модель распространяется по лицензии Llama3.2.

tanliboy/llama-3.2-3b-sft-2 — дообученная модель семейства Llama 3.2, созданная на основе tanliboy/llama-3.2-3b с использованием набора данных tanliboy/OpenHermes-2.5-reformat. Это плотная авторегрессионная языковая модель на 3,2 млрд параметров для генерации текста и диалогов; карточка указывает контекстное окно 131 072 токена и поддержку интерфейса вызова инструментов. В README приведено значение loss 0,6744 на evaluation set, но не описаны протокол оценки и практические сценарии.

unsloth/Llama-3.2-3B-unsloth-bnb-4bit — это 4-битная квантизованная версия instruction-tuned модели meta-llama/Llama-3.2-3B-Instruct, подготовленная Unsloth на базе модели Meta. Это авторегрессионная языковая модель с оптимизированной архитектурой Transformer и Grouped-Query Attention (GQA), предназначенная для генерации текста и диалоговых сценариев. Модель ориентирована на многоязычный диалог, включая задачи агентного поиска и извлечения информации, суммаризации и общего текстового взаимодействия. Она работает в режиме «текст на входе — текст на выходе» и официально поддерживает английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Версия содержит около 3 млрд параметров; размер контекста в предоставленных данных не указан. Ключевое преимущество варианта — снижение требований к памяти за счёт 4-битной квантизации Unsloth Dynamic 4-bit, которая выборочно сохраняет отдельные параметры для уменьшения потери точности по сравнению со стандартной 4-битной квантизацией. Ограничения включают меньший размер и, следовательно, потенциально более низкие возможности по сравнению с крупными моделями, а также отсутствие заявленной поддержки изображений и других модальностей. Модель статична и обучена на офлайн-данных, поэтому не обладает встроенными актуальными знаниями. Использование регулируется лицензией Llama 3.2 и соответствующей Acceptable Use Policy. Для языков, не входящих в официальный перечень, допустима дополнительная настройка при соблюдении этих условий.

DavidAU представляет дообученную 7,5-миллиардную модель Llama 3.3 8B Instruct для диалогов, следования инструкциям и генерации текста с режимом рассуждений. Она обучена в течение трёх эпох на наборе TeichAI/claude-4.5-opus-high-reasoning-250x; автор описывает её как гибрид instruct/thinking. Модель использует архитектуру LlamaForCausalLM, принимает текст и поддерживает контекст до 131 072 токенов. В карточке перечислены английский, русский, французский, немецкий, испанский, итальянский, португальский, китайский, японский и корейский языки. Модель предназначена для ответов на вопросы с подробными объяснениями, творческого письма, сюжетов и ролевых диалогов. Режим рассуждений может включаться по формулировке запроса; README отмечает, что поведение зависит от параметров генерации, а низкобитные квантизации могут ухудшать рассуждения и их активацию. Модель поставляется в safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Автор утверждает, что исходная версия Llama 3.3 8B не была публично выпущена; происхождение базовых весов в README описано не вполне ясно, тогда как метаданные указывают базовую модель allura-forge/Llama-3.3-8B-Instruct.

DavidAU дообучил модель семейства Llama 3.3 для генерации текста с короткими рассуждениями, следуя стилю Claude Haiku, на 1700 примерах датасета TeichAI/claude-haiku-4.5-high-reasoning-1700x. Это плотная авторегрессионная модель на 7,5 млрд параметров с архитектурой LlamaForCausalLM и контекстом до 131 072 токенов; в карточке указано, что обучение затронуло около 2,05% параметров. Модель предназначена для диалогов, пошагового обдумывания запросов, объяснений, планирования и творческого письма, включая рассказы и ролевые сценарии. Карточка сообщает о поддержке нескольких языков, в том числе русского, английского, французского, немецкого, испанского, итальянского, португальского, китайского, японского и корейского. Возможны устаревшие знания и проблемы, унаследованные от Llama; качество и форматирование зависят от настроек генерации и уровня квантования. Лицензия — Apache-2.0.

MaziyarPanahi/Llama-3-8B-Instruct-v0.8 — инструктивная разговорная модель семейства Llama 3, разработанная MaziyarPanahi на основе MaziyarPanahi/Llama-3-8B-Instruct-v0.4. Это плотная авторегрессионная языковая модель с архитектурой LlamaForCausalLM и 7,5 млрд параметров, предназначенная для генерации текста и диалогов. Она принимает текстовые запросы в формате ChatML и рассчитана на контекст до 8192 токенов. Модель подходит для чат-ботов, ответов на вопросы, следования инструкциям и других задач генерации текста. В README приведены результаты оценивания на Open LLM Leaderboard, но они не гарантируют качество на конкретных пользовательских задачах. В метаданных указан английский язык. Модель доступна в формате safetensors; README также ссылается на отдельную сборку GGUF. Лицензия обозначена как other, поэтому условия использования следует уточнить по карточке модели и связанным лицензионным материалам.

Llama-3-8B-Magpie-Align-SFT-v0.1 — дообученная командой Magpie-Align языковая модель на архитектуре Llama 3 с 7,5 млрд параметров. Она обучена методом supervised fine-tuning на наборе Magpie-Pro-MT-300K-v0.1 и предназначена для генерации текста в ответ на инструкции и ведения диалога; для лучшей работы следует использовать официальный шаблон чата Llama 3. Модель принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. В README приведены результаты сравнений на Alpaca Eval 2 и Arena Hard; авторы сообщают о сопоставимом с Llama-3-8B-Instruct качестве на некоторых задачах. Для использования требуется соблюдать лицензию Meta Llama 3 Community License. Результаты зависят от задачи и формата диалога; универсальная эквивалентность модели Llama-3-8B-Instruct не заявлена.

LLaMA-3-8B-SFR-SFT-R — модель генерации текста Salesforce, созданная методом supervised fine-tuning (SFT) на основе Salesforce/SFR-Iterative-DPO-LLaMA-3-8B-R. Это плотная авторегрессионная модель семейства LLaMA с 7,5 млрд параметров и контекстом до 8192 токенов; она поддерживает диалоговый режим и распространяется в формате safetensors. Модель предназначена для генерации ответов и диалогового взаимодействия на основе текстовых запросов. В README модель представлена как SFT-версия в наборе релизов, включающем также reward- и RLHF-модели. Salesforce выпустила её для исследовательских целей в поддержку академической статьи. Перед применением рекомендуется оценивать точность, безопасность и справедливость; модель не оценивалась для всех вариантов использования, поэтому её пригодность для критически важных сценариев не установлена. Лицензия — Llama 3.

Alecator/llama-3-Buzzy — дообученная языковая модель Alecator на базе unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия; в метаданных также указана поддержка интерфейса вызова инструментов. Контекстное окно составляет до 131 072 токенов, основной язык карточки — английский. Модель можно использовать для диалоговых помощников, генерации и продолжения текста, а также сценариев с вызовом инструментов. В README указано, что обучение проводилось с Unsloth и библиотекой TRL. Модель распространяется по лицензии Apache-2.0. Данных о специальных ограничениях качества или областях применения в карточке нет.

Llama-3-Chinese-8B-Instruct-v3 — диалоговая языковая модель семейства Llama, опубликованная HFL. Это инструкционная модель на архитектуре LlamaForCausalLM с 7,5 млрд параметров и контекстом до 8192 токенов. По карточке, она создана на основе объединения трёх моделей: hfl/Llama-3-Chinese-8B-Instruct, hfl/Llama-3-Chinese-8B-Instruct-v2 и meta-llama/Meta-Llama-3-8B-Instruct. Модель предназначена для диалогов, ответов на вопросы и генерации текста. Заявлены китайский и английский языки; поддержка чата указана в метаданных. Репозиторий содержит веса safetensors. Использование регулируется лицензией Apache-2.0 в метаданных; README также требует соблюдать лицензионные условия исходной Meta Llama 3.

uygarkurt/llama3s-merged-linear — объединённая модель на базе семейства Llama 3, созданная автором репозитория с помощью mergekit. В README указано, что автор выбрал три модели с высоким рейтингом в Open LLM Leaderboard и объединил их без дополнительного обучения. Архитектура — плотная авторегрессионная модель LlamaForCausalLM примерно на 7,5 млрд параметров; формат весов — safetensors, контекст — до 8192 токенов. Модель предназначена для генерации текста в диалоговом режиме и может использоваться для ответов на запросы, написания черновиков и других задач общения с языковой моделью. Репозиторий распространяется по лицензии MIT. README называет результат «ranking model», однако метаданные относят его к генерации текста; сведений о специальной обученности для ранжирования нет.

llama-3-stella-8B — объединённая авторами nbeerbower языковая модель семейства Llama 3 для генерации текста и диалогов. Модель создана методом Model Stock с помощью mergekit на основе nbeerbower/llama-3-bophades-v3-8B и объединяет несколько языковых моделей, включая варианты, настроенные для диалогов, прозы, научного текста и других тематик. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Она принимает текст и генерирует текст; заявленное контекстное окно — 8192 токена. Репозиторий содержит веса Safetensors. Карточка указывает лицензию Meta Llama 3 Community License Agreement, поэтому использование регулируется её условиями.

Meta Llama 4 Maverick 17B 128E Instruct FP8 — инструкционная квантованная версия модели семейства Llama 4, разработанная Meta. Она предназначена для диалоговых сценариев и генерации текста, включая ответы на запросы, выполнение инструкций и интеграцию в приложения на базе Transformers. Модель заявлена как мультиязычная и поддерживает арабский, немецкий, английский, испанский, французский, хинди, индонезийский, итальянский, португальский, тайский, тагальский и вьетнамский языки. В идентификаторе указаны 17B и 128E, однако README не раскрывает архитектурные детали, длину контекста, точные модальности и характеристики качества. Обозначение FP8 указывает на 8-битное представление весов, но конкретные преимущества и ограничения этой версии не приведены. Модель распространяется по Llama 4 Community License от Meta. Лицензия разрешает использование, копирование, модификацию и распространение на установленных условиях, включая передачу текста лицензии, атрибуцию «Built with Llama» и соблюдение Acceptable Use Policy. Для продуктов или сервисов с более чем 700 миллионами ежемесячно активных пользователей предусмотрено получение отдельной лицензии Meta.

Llama-4-Scout-17B-16E-Instruct-GGUF — квантизированная версия инструкционной модели Llama 4 Scout, разработанной Meta. Вариант опубликован в формате GGUF сообществом lmstudio-community и квантизирован bartowski. Модель предназначена для генерации текста и выполнения задач по инструкциям, включая диалоговые сценарии, ответы на вопросы, создание и преобразование текста, а также локальный запуск в совместимом программном обеспечении. Из доступных данных известно, что базовая модель называется Llama-4-Scout-17B-16E-Instruct; обозначение указывает на конфигурацию 17B-16E, однако точные сведения об архитектуре, размере активной части модели, контекстном окне, поддерживаемых языках и модальностях в README не приведены. Формат GGUF удобен для локального вывода и может снизить требования к ресурсам, но квантизация способна повлиять на качество по сравнению с исходными весами; конкретный уровень квантизации также не указан. Модель распространяется по Llama 4 Community License от Meta с требованиями к атрибуции, маркировке «Built with Llama», соблюдению Acceptable Use Policy и специальными коммерческими условиями для продуктов с более чем 700 миллионами активных пользователей в месяц.

UKzExecution/LlamaExecutor-8B-3.0.5 — диалоговая языковая модель, созданная слиянием моделей Meta с помощью mergekit. В основе лежит Meta-Llama-3.1-8B-Instruct; в слияние также включена Meta-Llama-3-8B-Instruct. Использован метод task arithmetic с нормализацией и int8-маской. Модель содержит 7,5 млрд параметров, построена на архитектуре Llama и предназначена для генерации текста и диалоговых ответов, включая работу через интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Её нативный контекст составляет 131 072 токена. Карточка приводит результаты оценок IFEval и BBH, однако этих данных недостаточно для выводов о качестве в конкретных пользовательских сценариях. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

lumikabrabehemoth195b — объединённая языковая модель, созданная schnapper79 с помощью mergekit из двух предварительно обученных моделей: schnapper79/lumikabra-123B_v0.3 и TheDrummer/Behemoth-123B-v1. Использован метод passthrough: в итоговую модель последовательно включены диапазоны слоёв обеих моделей. Модель построена на плотной архитектуре MistralForCausalLM и содержит 194,2 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия; контекстное окно составляет 131 072 токена. Метаданные также отмечают интерфейс вызова инструментов. Карточка не описывает отдельные специализированные области применения или поддерживаемые языки. В репозитории представлены веса Safetensors, а в конфигурации слияния указан тип данных bfloat16. Лицензия в предоставленных сведениях не указана.

Lumina-2 — предварительно обученная языковая модель с разреженной архитектурой Mixture of Experts (MoE), опубликованная Ppoyaa и созданная с помощью LazyMergekit. Модель предназначена для генерации текста и диалогового взаимодействия; её архитектура относится к семейству Mixtral, а общий размер составляет 7,1 млрд параметров. Модель принимает текст и генерирует текст. Длина контекста — до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не приводит сведений о поддерживаемых естественных языках и конкретных областях применения.

Lumina-5.5-Instruct — диалоговая модель семейства Mixtral, созданная Ppoyaa с помощью LazyMergekit. Она предназначена для генерации текста в чате и использует архитектуру Mixture of Experts (MoE). В README заявлено 32 млрд параметров и контекст до 32 тыс. токенов; метаданные Hugging Face указывают 12,3 млрд параметров. Размер поэтому указан противоречиво. Модель основана на Ppoyaa/Lumina-5-Instruct и классифицирована в метаданных как дообучение этой модели. Опубликована в формате Safetensors; доступны отдельные варианты GGUF от mradermacher. Лицензия — Apache-2.0. Оценки Open LLM Leaderboard в README обозначены как ожидаемые.

m51Lab выпустила эту разреженную языковую модель 15 апреля 2026 года как вариант MiniMax-M2.7, в котором методом REAP удалено 40 % экспертов в блоках Mixture-of-Experts. Модель содержит около 139 млрд параметров, из которых примерно 10 млрд активны на каждом токене; в архитектуре 62 слоя. По метаданным, она загружается через Transformers и имеет контекст до 196 608 токенов. Модель предназначена для генерации текста в диалоговом режиме, включая написание кода, математические и научные рассуждения и вызовы инструментов. В README приведён результат HumanEval pass@1 83,3 % для завершённых задач при бюджете генерации 32 тыс. токенов; при строгом подсчёте всех 164 задач результат составляет 54,9 %, поскольку незавершённые решения учитываются как ошибки. Для воспроизведения указанной оценки рекомендуется выделять не менее 64 тыс. токенов генерации. README описывает также небольшой дефект коррекции смещений одного слоя; по данным карточки, его влияние на маршрутизацию незначительно. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией и файлами репозитория. README описывает вариант после структурного прореживания, а метаданные классифицируют связь с MiniMax-M2.7 как finetune; формат файлов в метаданных — safetensors.

Ksgk-fy/M7Percival_01-7B — объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров. В README указано, что она создана методом DARE-TIES из liminerity/M7-7b и AurelPx/Percival_01-7b-slerp; в метаданных базовой моделью отмечена AurelPx/Percival_01-7b-slerp. Модель предназначена для генерации текста и диалогов по текстовым запросам. Поддерживает контекст до 32 768 токенов и опубликована в формате safetensors. Лицензия — Apache-2.0. Карточка не содержит сведений о целевых языках, специализации или оценках качества, поэтому её возможности следует считать общими для генерации текста; качество на конкретных задачах нужно проверять отдельно.

MaziyarPanahi/M7T3qm7xp_T3qm7xpStrangemerges_32 — объединённая разработчиком модель Mistral для генерации текста. Она создана слиянием automerger/M7T3qm7xp-7B и automerger/T3qm7xpStrangemerges_32-7B и содержит 7,1 млрд параметров. Модель подходит для генерации текста и диалоговых сценариев на основе текстового ввода. Архитектура — плотная MistralForCausalLM, максимальная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не описывает языковую специализацию или конкретные ограничения качества.

M7Yamshadowexperiment28-7B — объединённая языковая модель, созданная Maxime Labonne автоматическим слиянием liminerity/M7-7b и automerger/YamshadowExperiment28-7B. Веса объединены методом SLERP с настройками для слоёв self-attention и MLP; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для генерации текста и диалогов, принимает текст и выдаёт текст. Её контекст составляет 32 768 токенов. В репозитории указаны веса Safetensors и лицензия Apache-2.0. README не описывает специализацию по предметной области или конкретные языки.

MaziyarPanahi/M7Yamshadowexperiment28_Experiment26Strangemerges_30 — объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная слиянием automerger/M7Yamshadowexperiment28-7B и automerger/Experiment26Strangemerges_30-7B. Она предназначена для генерации текста и принимает текстовые запросы, выдавая текстовые ответы. Модель поддерживает контекст длиной до 32 768 токенов. В репозитории указаны веса в формате safetensors и лицензия Apache-2.0. Доступные сведения не уточняют специализацию, обучающие данные или результаты сравнительных оценок модели.

M7Yamshadowexperiment28_Experiment26T3qm7xp — объединённая модель MaziyarPanahi на архитектуре Mistral для генерации текста и диалогов. Она содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors. Модель объединяет automerger/M7Yamshadowexperiment28-7B и automerger/Experiment26T3qm7xp-7B. Она подходит для генерации ответов и продолжения текста; сведения о специализации по языкам и предметным областям в карточке отсутствуют. Модель распространяется по лицензии Apache-2.0.

M7Yamshadowexperiment28_Experiment28Inex12 — объединённая модель для генерации текста, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/Experiment28Inex12-7B. Она использует плотную архитектуру Mistral с причинной языковой моделью MistralForCausalLM и содержит 7,1 млрд параметров. Модель принимает текст и генерирует текст; заявленная длина контекста составляет 32 768 токенов. Карточка не описывает специальные сценарии, языки или дополнительные возможности, поэтому модель можно охарактеризовать как универсальную генеративную языковую модель. Веса опубликованы в формате safetensors, лицензия — Apache-2.0.

M7Yamshadowexperiment28_Multi_verse_modelYam — объединённая модель на основе Mistral, опубликованная MaziyarPanahi. Она предназначена для генерации текста и диалогов. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель объединяет automerger/M7Yamshadowexperiment28-7B и automerger/Multi_verse_modelYam-7B. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. README не сообщает о специализированной области применения или известных ограничениях качества.

MaziyarPanahi/M7Yamshadowexperiment28_NeuralExperiment26 — объединённая автором карточки модель для генерации текста. Она построена на архитектуре MistralForCausalLM с плотной структурой и содержит 7,1 млрд параметров; заявленная длина контекста — до 32 768 токенов. Модель принимает текст и генерирует текст, а карточка указывает два объединённых компонента: automerger/M7Yamshadowexperiment28-7B и automerger/NeuralExperiment26-7B. Модель подходит для текстовых запросов и генерации продолжений в пределах доступного контекста. Сведений о специализации по языкам или прикладным областям нет. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.