II.6Документация и сопровождение разработки

Nebula-v2-7B-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная объединением Mistral-7B-Instruct-v0.2 и Nebula-v2-7B методом SLERP. Она предназначена для генерации текста и ответов на инструкции в диалоговом формате. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров, принимает текст и выдаёт текст; максимальный контекст составляет 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Языки в предоставленных данных не перечислены, поэтому нельзя определить, на каких языках она работает лучше всего. README описывает состав и параметры слияния, но не приводит сравнительных оценок качества или подробных ограничений.

Nemotron 3 Nano 30B-A3B GGUF — квантованный вариант NVIDIA Nemotron 3 Nano 30B-A3B, подготовленный BatiAI для локального запуска на компьютерах Mac. Это гибридная языковая модель NemotronH с архитектурой Mamba и attention и смесью экспертов: в README указаны 30 млрд параметров, 128 экспертов и 8 активных на токен. Для выполнения используется llama.cpp; доступны варианты IQ3_XXS, IQ4_XS и Q5_K_M с разными требованиями к памяти. Модель предназначена для диалогов, рассуждений, программирования и агентных сценариев, включая работу с инструментами и структурированными ответами. README описывает её как рассчитанную на длинный контекст с линейным масштабированием гибридной архитектуры и приводит тесты на Mac с Apple Silicon. В метаданных указана поддержка английского, корейского, японского и китайского языков; сведения базовой модели каталога также упоминают шесть языков. Репозиторий содержит квантованные GGUF-веса, хотя метаданные форматов обозначают их как «GGUF BF16». Лицензия — NVIDIA Open Model License, названная в README коммерчески ориентированной; перед использованием следует проверить её условия для конкретного применения. Производительность и качество зависят от выбранной квантизации и доступной памяти.

TeichAI/Nemotron-Cascade-14B-Thinking-Claude-4.5-Opus-High-Reasoning-Distill — дообученная TeichAI языковая модель на архитектуре Qwen3, основанная на nvidia/Nemotron-Cascade-14B-Thinking. Модель содержит 14 млрд параметров, принимает текст и предназначена для генерации текста и диалогов, включая задачи рассуждения. Обучение выполнено с использованием Unsloth и библиотеки Hugging Face TRL; веса доступны в формате safetensors. Модель поддерживает английский язык и контекст до 32 768 токенов. В метаданных также указаны интерфейс вызова инструментов и обучающий набор TeichAI/claude-4.5-opus-high-reasoning-250x. Лицензия — Apache-2.0. Подробные оценки качества и конкретные ограничения в карточке не описаны.

NeoMME-800M-Retriever — мультимодальная модель поиска документов, разработанная Hcompany и дообученная на основе Hcompany/NeoMME-800M. Она кодирует текстовые запросы и текстовые документы или изображения страниц общим двунаправленным Transformer-энкодером, формируя плотные и многовекторные представления за один проход. Для многовекторного поиска применяется оценка MeanMaxSim, для плотных векторов — косинусное сходство. Модель предназначена для поиска по текстовым коллекциям и визуальным документам, включая страницы, представленные скриншотами. При обучении использовались текстовые данные и изображения страниц документов, а совместная контрастивная цель сочетала late interaction и Matryoshka dense learning. Репозиторий использует Transformers и распространяется по лицензии Apache-2.0.

Sakalti/Neptuno-3B — объединённая автором модель генерации текста на архитектуре Qwen2, созданная с помощью mergekit методом TIES. В объединение вошли Sakalti/Light-3B и Spestly/Athena-1-3B, указанная в README как базовая модель; каталог также отмечает Sakalti/Light-3B как компонент слияния. Модель содержит 3,1 млрд параметров и принимает контекст длиной до 32 768 токенов. Модель предназначена для диалоговой генерации текста и интерфейсов вызова инструментов. Она распространяется в формате safetensors и использует библиотеку Transformers. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и лицензиями компонентов слияния.

NeuralContext-7b-v1 — объединённая языковая модель, созданная Kukedlc с помощью LazyMergekit на основе пяти моделей семейства Mistral. Она предназначена для генерации текста и диалоговых ответов на инструкции. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекстное окно до 32 768 токенов. Модель принимает текст и генерирует текст; среди её базовых компонентов — Mistral-7B-Instruct-v0.2, Hermes-2-Pro-Mistral-7B и Yarn-Mistral-7b-128k. Репозиторий предоставляет веса в формате safetensors. Лицензия — Apache-2.0. README не приводит оценок качества или результатов тестирования, поэтому пригодность для конкретных задач стоит проверять самостоятельно.

Neural-Cosmic-Boy-7B-slerp — объединённая модель на базе архитектуры Mistral, созданная Kukedlc с помощью LazyMergekit. Она предназначена для генерации текста и может использоваться для диалога, ответов на вопросы и рассуждений. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В README приведены результаты оценивания на бенчмарках, включая AI2 Reasoning Challenge и HellaSwag. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не сообщает о специализированных языках или областях применения.

NeuralExperiment26-7B — объединённая Maxime Labonne модель для генерации текста, созданная автоматическим слиянием двух моделей Mistral: Kukedlc/Neural-Krishna-Multiverse-7b-v3 и yam-peleg/Experiment26-7B. В карточке указано слияние методом SLERP с настройками для слоёв self-attention и MLP. Модель содержит 7,1 млрд параметров, использует архитектуру Mistral и формат safetensors. Заявленная длина контекста — 32 768 токенов. Она предназначена для генерации текста; сведения о специализации по языкам или предметным областям в карточке не приведены. Лицензия — Apache-2.0.

NeuralJaskier-7b-dpo — языковая модель на 7,1 млрд параметров, созданная слиянием моделей bardsai/jaskier-7b-dpo-v6.1 и CultriX/NeuralTrix-7B-dpo с помощью LazyMergekit. Использует плотную архитектуру MistralForCausalLM и предназначена для генерации текста; заявленная длина контекста составляет 32 768 токенов. Модель подходит для генерации ответов и диалогового текста, а также для других сценариев, где требуется продолжение текста. Веса опубликованы в формате safetensors. Лицензия — MIT.

NeuralPipe-7B-ties — слитая модель для генерации текста, созданная mlabonne с помощью mergekit на основе OpenPipe/mistral-ft-optimized-1218 и mlabonne/NeuralHermes-2.5-Mistral-7B. В конфигурации слияния TIES также указана mistralai/Mistral-7B-v0.1 как базовая модель; параметры включают нормализацию и маску int8, итоговый тип данных — float16. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Заявленная длина контекста — 32 768 токенов. Она предназначена для генерации текста; README приводит результаты оценок на AI2 Reasoning Challenge и HellaSwag. Репозиторий распространяется по лицензии Apache-2.0.

NeuralsirkrishnaShadow_NeuralsirkrishnaExperiment28 — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/NeuralsirkrishnaExperiment28-7B. Модель содержит 7,1 млрд параметров и принимает текст для авторегрессионной генерации текста; её контекстное окно составляет 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев общего назначения. Репозиторий содержит веса в формате safetensors, а лицензия — Apache-2.0. В карточке не описаны специализированные области применения или конкретные ограничения качества.

NeuralsirkrishnaShadow_Ognoexperiment27M7 — объединённая модель от MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и диалогов, принимает текст и выдаёт текст; поддерживает контекст до 32 768 токенов. Модель объединяет automerger/NeuralsirkrishnaShadow-7B и automerger/Ognoexperiment27M7-7B. Данные карточки не уточняют специализацию, языки или отдельные возможности модели. Веса опубликованы в формате safetensors; лицензия — Apache-2.0.

NeuralSOTA-7B-slerp — объединённая модель, созданная Kukedlc с помощью LazyMergekit на основе трёх моделей: NeuralSoTa-7b-v0.1, NeuralSynthesis-7B-v0.3 и NeuralSirKrishna-7b. В карточке указан метод слияния dare_ties; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров, веса представлены в формате safetensors и типе bfloat16. Модель предназначена для генерации текста и диалога. Она принимает текст и поддерживает контекст до 32 768 токенов. Данные карточки не уточняют поддерживаемые языки, специализированные области или сравнительное качество. Лицензия в предоставленных сведениях не указана.

NeuralsynthesisCalmexperiment-7B — автоматически объединённая модель, созданная Maxime Labonne методом DARE-TIES из NeuralSynthesis-7B-v0.1 и CalmExperiment-7B-slerp. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Указанная длина контекста — 32 768 токенов. Модель может применяться для генерации продолжений текста и диалоговых ответов. Репозиторий содержит веса в формате safetensors; модель распространяется по лицензии Apache-2.0. README описывает конфигурацию слияния, но не приводит отдельных оценок качества или подробных рекомендаций по использованию.

NeuralTrix-7B-dpo — языковая модель на 7,1 млрд параметров, опубликованная CultriX. Это плотная авторегрессионная модель семейства Mistral с контекстом до 32 768 токенов. Она создана слиянием моделей OmniBeagle-7B, MBX-7B-v3 и AiMaven-Prometheus методом DARE-TIES; в карточке также указано обучение DPO, но базовая модель для этого этапа не названа. Модель предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. README называет результат NeuralTrix-7B-v1, тогда как идентификатор репозитория — NeuralTrix-7B-dpo.

NeuralTrix-bf16 — языковая модель для генерации текста, созданная CultriX с помощью слияния нескольких моделей семейства Mistral через LazyMergekit. В конфигурации указаны метод DARE-TIES и формат весов bfloat16; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации ответов и другого текста по текстовым запросам. В слиянии использованы bardsai/jaskier-7b-dpo-v3.3, CultriX/NeuralTrix-v4-bf16 и CultriX/NeuralTrix-7B-dpo; конфигурация также указывает eren23/dpo-binarized-NeuralTrix-7B как базовую модель. Репозиторий распространяет веса в формате safetensors. Лицензия — Apache-2.0. README не описывает отдельные языковые специализации или результаты оценки качества, поэтому их нельзя установить по доступным сведениям.

mayacinka/NeuralZephyr-Beagle-7B — языковая модель для генерации текста, созданная слиянием предварительно обученных моделей с помощью mergekit. В README указаны DARE TIES и модели mlabonne/NeuralBeagle14-7B и HuggingFaceH4/zephyr-7b-alpha; базой слияния служит CultriX/NeuralTrix-7B-dpo. Каталог связывает репозиторий с этой базовой моделью и отмечает её дообучение. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Она предназначена для генерации текста общего назначения; в README приведены результаты Open LLM Leaderboard по задачам рассуждения, понимания текста и математическим вопросам, но эти оценки сами по себе не гарантируют качество на прикладных данных. Репозиторий содержит веса safetensors и использует лицензию Apache-2.0.

funeedev/new-ai — генеративная языковая модель для создания текста, опубликованная на Hugging Face. Модель предназначена для задач text-generation и может использоваться в приложениях, где требуется продолжение или генерация текстовых последовательностей. Модель основана на архитектуре семейства Llama и поддерживает работу через библиотеку Transformers. Объём модели составляет 3,2 млрд параметров, а заявленная длина контекста — до 131 072 токенов. Поддерживаемые естественные языки и сведения о разработчике в доступных данных не указаны. Модель может применяться для генерации черновиков, продолжения текста, диалоговых прототипов и других сценариев, построенных на авторегрессионной генерации. README не содержит данных о лицензии, обучающих данных, результатах оценки или специальных ограничениях использования, поэтому перед внедрением необходимы дополнительная проверка качества и анализ условий распространения.

New-Dawn-Ultra-Llama-3-70B-32K-v1.0 — текстовая генеративная модель, созданная объединением предварительно обученных языковых моделей методом SLERP с помощью mergekit. В состав объединения вошли варианты New Dawn Ultra Llama 3 70B 32K v0.16 и v0.18. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 69,5 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для составления ответов, продолжения текста и ведения беседы в приложениях на базе Llama. Карточка не сообщает о специализированных областях применения или поддерживаемых естественных языках. Весовые файлы представлены в формате safetensors; модель использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

NightOwl-CodeEmbedding-35M — созданная Shuu12121 компактная модель эмбеддингов для поиска по коду. Это дообученная на базе Shuu12121/NightOwl-35M модель ModernBERT с 34,1 млн параметров и вектором размерности 384. Она кодирует запросы и фрагменты кода в плотные векторы для поиска по косинусному сходству; префиксы query: и passage: не требуются. Модель предназначена для поиска кода по запросу на естественном языке, поиска похожего кода и изменений, а также для извлечения материалов для технических ответов и RAG. Компактный размер подходит для CPU, локального и встраиваемого поиска, а также построения крупных векторных индексов. Заявлена поддержка Go, Java, JavaScript, PHP, Python, Ruby, Rust и TypeScript. По карточке, средний результат MTEB(Code, v1) составляет 65,56; оценка преимущественно проведена на задачах, близких к обучающим данным. Лицензия — Apache-2.0. Ограничения: максимальная длина входа в заявленном сценарии — 1024 токена, более длинные данные обрезаются. Модель слабее версии NightOwl-CodeEmbedding на 150,8 млн параметров, особенно на длинных запросах и задачах с многоходовым контекстом; качество для других языков и общих текстовых задач не подтверждено.

Norns-Qwen2.5-Coder-7B-v0.1 — модель генерации текста на архитектуре Qwen2, созданная разработчиком win10 слиянием моделей методом TIES с помощью mergekit. В слиянии использованы Qwen/Qwen2.5-Coder-7B и win10/Urdandi-Qwen2.5-7B; модель содержит 7,1 млрд параметров и работает с контекстом до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате и может применяться для задач с кодом, поскольку одной из базовых моделей является Qwen2.5-Coder-7B, ориентированная на генерацию, анализ и исправление программного кода. Репозиторий содержит веса в формате safetensors; библиотека для работы — Transformers. Лицензия в предоставленных данных не указана. Карточка описывает способ слияния, но не сообщает о результатах оценки качества или конкретных ограничениях модели.

Norocetacean-20b-10k — плотная языковая модель семейства Llama, опубликованная ddh0. Она создана слиянием Psyonic-Cetacean-20B и LoRA-адаптера no_robots-alpaca; контекст расширен до 10 240 токенов с помощью YaRN. Модель рассчитана на генерацию ответов по инструкциям в формате Alpaca и может применяться в диалоговых и текстовых сценариях с длинным контекстом. В модели около 19,8 млрд параметров. README указывает Llama 2 как базовую модель и сообщает о включении Orca-2-13B; для использования действуют условия Microsoft Research License. Карточка не описывает языковую специализацию или дополнительные модальности, поэтому модель следует рассматривать как текстовую.

bartowski/NousResearch_DeepHermes-3-Llama-3-8B-Preview-GGUF — это набор GGUF-квантизаций модели DeepHermes-3-Llama-3-8B-Preview, разработанной NousResearch и подготовленной bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, диалоговых и чат-сценариев, инструкционного взаимодействия, рассуждений, ролевых диалогов, работы с JSON и function calling. Указан английский язык. Модель основана на Llama 3 и содержит 8 миллиардов параметров. Она поддерживает текстовую модальность и формат запросов ChatML-подобного типа с системными, пользовательскими и ассистентскими сообщениями. В репозитории представлены варианты квантизации от Q3 до Q8 объёмом примерно от 4,45 до 8,54 ГБ; более высокие варианты обычно обеспечивают лучшее качество, а низкобитные требуют меньше оперативной памяти. Модель совместима с llama.cpp, LM Studio и другими проектами на базе llama.cpp. Сильными сторонами являются широкий выбор квантизаций, возможность локального запуска и поддержка задач, связанных с инструкциями, структурированными ответами и вызовом функций. Ограничения включают отсутствие заявленных данных о контекстном окне, бенчмарках и качестве на других языках, а также неизбежные потери качества при использовании более агрессивной квантизации. Лицензия указана как llama3; дополнительные условия использования в README не раскрыты.

NV-EmbedCode-7b-v1 — модель эмбеддингов NVIDIA на 7,1 млрд параметров, основанная на Mistral и оптимизированная для поиска по коду. Она преобразует текстовые запросы, код и смешанные запросы в плотные векторы размерности 4096 с усреднением представлений токенов; модель рассчитана на контекст до 32 768 токенов и использует библиотеку Sentence Transformers. Модель предназначена для построения систем поиска по крупным корпусам кода и текстов. Она поддерживает поиск кода по текстовому описанию, поиск похожих фрагментов кода, поиск текстов по коду и гибридный поиск; такие результаты могут использоваться в помощниках программиста, поиске документации и локализации файлов для решения задач разработки. В README приведены результаты оценки на CoIR и адаптированном SWE-bench Lite. Репозиторий содержит веса в формате safetensors, а в README указана базовая модель NVIDIA Retrieval QA Mistral 7B Embedding. Лицензия обозначена как other; конкретные условия следует сверить с лицензией репозитория перед использованием. Модель создаёт эмбеддинги для поиска, а не готовые ответы или объяснения кода.

NVIDIA Nemotron 3.5 Lightning 30B-A3B — APEX GGUF — это набор измеренно распределённых и оптимизированных GGUF-квантизаций базовой модели NVIDIA Nemotron 3.5 Lightning 30B-A3B от NVIDIA. Рецепт APEX и инструментарий предоставлены LocalAI, а движок квантизации — llama.cpp. Модель предназначена для генерации текста, диалоговых приложений и сценариев с инструментами, включая последовательный tool-calling, при запуске через llama.cpp. Архитектура Nemotron-H гибридная: 52 слоя сочетают Mamba2 SSM и MoE, причём полное attention используется только в 6 слоях. MoE включает 128 маршрутизируемых экспертов и общий эксперт; активно используется около 3B параметров из примерно 31,6B. Контекст поддерживается до 128k токенов, а благодаря архитектуре KV-кэш занимает около 6 KiB на токен, или примерно 0,75 GiB при контексте 128k. В комплект включена MTP-голова для speculative decoding. Доступны варианты mini на 3,56 bpw и 13,66 GiB, compact на 4,42 bpw и 16,91 GiB, а также i-quality на 5,62 bpw и 21,53 GiB; compact и i-quality на момент описания ещё загружались. Сильные стороны модели — большой контекст при сравнительно небольших требованиях к памяти, специализированная importance matrix-квантизация, измеренное распределение битов по тензорам и сохранённая поддержка speculative decoding. Вариант mini рассчитан на видеокарту с 16 ГБ памяти и полный контекст 128k. Ограничения включают необходимость достаточно новой версии llama.cpp, явной настройки размера контекста и учёт того, что модель генерирует подробные рассуждения, увеличивая расход выходных токенов. Лицензия указана как openmdw-1.1.

NVIDIA-Nemotron-3-Nano-30B-A3B-AWQ — это 4-битная AWQ-квантизованная версия большой языковой модели NVIDIA Nemotron-Nano-3-30B-A3B, подготовленная stelterlab на основе исходных весов NVIDIA с использованием llm-compressor. Модель предназначена для генерации текста, диалоговых систем, решения задач с рассуждением и без него, а также создания специализированных AI-агентов. Она может сначала формировать рассуждение, а затем итоговый ответ; режим рассуждений настраивается через chat template, причём их отключение может немного снизить точность на сложных запросах. Модель разработана NVIDIA Corporation и использует гибридную архитектуру Mixture-of-Experts: 23 слоя Mamba-2 и MoE, а также 6 attention-слоёв. Всего модель содержит 30 млрд параметров, из которых 3,5 млрд активируются для каждого токена; в каждом MoE-слое используются 128 экспертов и один общий эксперт, при этом активируются 6 экспертов на токен. Поддерживаются английский, немецкий, испанский, французский, итальянский и японский языки. Размер контекста в предоставленных данных не указан. К сильным сторонам относятся сочетание режимов рассуждения и обычной генерации, высокая параметрическая ёмкость при меньшем числе активных параметров и сниженные требования к памяти благодаря INT4-квантизации. Ограничения включают экспериментальный статус AWQ-сборки, возможное снижение качества при отключении рассуждений и отсутствие подтверждённых сведений о производительности именно этой квантизованной версии. Модель разрешена для коммерческого использования в соответствии с NVIDIA Nemotron Open Model License.

Nyxene-v2-11B — текстовая генеративная модель на архитектуре Mistral, опубликованная beberik. Репозиторий содержит веса в формате BF16; в метаданных указано 10,6 млрд параметров и контекст до 32 768 токенов. Модель собрана с помощью mergekit из нескольких моделей, включая Starling-LM-7B-alpha, DPOpenHermes-7B, una-cybertron-7b-v2 и loyal-piano-m7-cdpo. Модель предназначена для генерации ответов на инструкции и запросы в формате, приведённом в карточке, а также для других задач генерации текста. В README приведены результаты Open LLM Leaderboard, включая среднюю оценку 67,84, ARC и HellaSwag; подробности оценки в доступном фрагменте отсутствуют. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Occiglot-7B-DE-EN-Instruct — инструктивная языковая модель Occiglot Research Collective для генерации текста и диалогов на английском и немецком языках. Это плотный decoder-only трансформер на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; модель принимает ChatML-шаблон. Также обучена следовать инструкциям, связанным с кодом. Модель подходит для ответов на вопросы, диалоговых помощников и выполнения текстовых инструкций на английском и немецком. Она прошла полное инструктивное дообучение на 180 млн дополнительных токенов мультиязычных и кодовых инструкций. Авторы предупреждают, что модель не проходила выравнивание по безопасности и может выдавать проблемный контент; результаты оценки для немецкого следует трактовать осторожно из-за использования частично машинно переведённых наборов и английских промптов. Лицензия — Apache 2.0.

Occiglot-7B-DE-EN-Instruct — генеративная языковая модель с открытыми весами, разработанная Occiglot Research Collective. Это плотный авторегрессионный трансформер Mistral с 7,1 млрд параметров, настроенный на выполнение инструкций на английском и немецком языках. Модель также обучалась на инструкциях, связанных с кодом. Модель подходит для диалогов, ответов на инструкции и генерации текста на английском и немецком языках. Она обучена в формате ChatML, а её контекстное окно составляет 32 768 токенов. Это первая версия исследовательского проекта Occiglot; авторы отмечают, что результаты оценки предварительные, а часть неанглоязычных тестов основана на машинном переводе. Модель не проходила выравнивание по безопасности и может выдавать проблемные ответы. Для использования предоставлены веса в формате safetensors; лицензия — Apache 2.0.

Ognoexperiment27M7-7B — объединённая текстовая модель на архитектуре Mistral с 7,1 млрд параметров, созданная Maxime Labonne методом DARE-TIES на основе liminerity/M7-7b и automerger/OgnoExperiment27-7B. Она предназначена для генерации текста и диалогов. Модель принимает текст и генерирует текст; размер контекста составляет 32 768 токенов. Модель распространяется в формате safetensors с точностью bfloat16 по лицензии Apache-2.0. Карточка указывает параметры слияния и пример загрузки через Transformers, но не описывает специализацию или результаты оценки качества.