III.10Проекты, процессы и операционное управление

Louis_GRC-7B-slerp-M1 — объединённая автором LouisGRC текстовая модель на архитектуре Mistral, созданная методом slerp с помощью LazyMergekit из liminerity/M7-7b и yam-peleg/Experiment20-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Веса опубликованы в формате safetensors. Карточка не описывает специализированные области применения или результаты оценки качества; лицензия в предоставленных данных не указана.

Карточка модели Edgerunners/Lyraea-small-llama-3.1 на Hugging Face совпадает с карточкой Edgerunners/Lyraea-medium-llama-3.1, поэтому описание составлено по ней. Lyraea-medium-llama-3.1 — разговорная языковая модель семейства Llama 3.1, опубликованная Edgerunners. Это средний вариант серии small, medium и large, созданной на основе llama-3.1-8b-128k uncensored. Модель предназначена для генерации текста в диалоговом формате; автор отмечает, что варианты серии имеют разные сценарии применения. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов. В репозитории представлены веса Safetensors. Языковые сведения в карточке не приводятся. Модель предоставляется «как есть» и «по мере доступности», без гарантий; провайдер снимает с себя ответственность за ущерб и не гарантирует соответствие конкретным требованиям или безошибочную работу. Сведения о лицензии в доступных данных отсутствуют.

MaziyarPanahi/MeliodasPercival_01_Experiment26Experiment24 — объединённая модель на архитектуре Mistral с 7,1 млрд параметров, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/Experiment26Experiment24-7B. Она предназначена для генерации текста и диалогов, а контекст составляет до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Данных о специализации на конкретных языках или прикладных областях в карточке нет.

MeliodasPercival_01_Strangemerges_32Alloyingotneoy — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/Strangemerges_32Alloyingotneoy-7B. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0. Данных о специализации на конкретных языках или предметных областях нет.

MeliodasPercival_01_Strangemerges_32Ogno — объединённая модель семейства Mistral, созданная на основе automerger/MeliodasPercival_01-7B и automerger/Strangemerges_32Ogno-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста, включая диалоги, с контекстом до 32 768 токенов. Модель принимает текст и выдаёт текст. Веса доступны в формате safetensors; лицензия — Apache-2.0. README не приводит сведений о специализации модели или результатах оценки качества.

Это диалоговая языковая модель объёмом 6,7 млрд параметров, созданная автором репозитория rjamorizIAtest слиянием Mistral-7B-Instruct-v0.2 и Starling-LM-7B-beta. Для объединения использован метод SLERP через mergekit; архитектура — плотная MistralForCausalLM, веса представлены в формате safetensors и работают с библиотекой Transformers. Модель предназначена для генерации текста в диалогах и ответов на запросы. Она принимает текст и поддерживает контекст до 32 768 токенов. Карточка не сообщает о специализированной предметной области или языковом составе, поэтому применимость к конкретным языкам не уточняется. Условия лицензирования в предоставленных источниках не описаны.

DarwinAnim8or/mergekit-model_stock-ffibbcs — языковая модель для генерации текста и диалогов, созданная слиянием трёх моделей семейства Gemma 2 методом Model Stock с помощью mergekit. В состав вошли IlyaGusev/gemma-2-2b-it-abliterated, TheDrummer/Gemmasutra-Mini-2B-v1 и cognitivecomputations/dolphin-2.9.4-gemma2-2b; базовой моделью при слиянии указана IlyaGusev/gemma-2-2b-it-abliterated. Модель имеет плотную архитектуру Gemma2ForCausalLM, около 2,7 млрд параметров и контекст до 8192 токенов. Она предназначена для диалогового взаимодействия и генерации текста; в метаданных указана библиотека Transformers и формат весов Safetensors. Лицензия в предоставленных данных не указана.

mergekit-community/mergekit-slerp-jeyctse — языковая чат-модель, созданная сообществом слиянием моделей HuggingFaceH4/zephyr-7b-beta и Equall/Saul-Base методом SLERP с помощью mergekit. Это плотная модель Mistral с 7,1 млрд параметров, доступная в формате safetensors и рассчитанная на контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге: ответов на вопросы и выполнения пользовательских инструкций. В метаданных основной язык не задан; базовая Zephyr-7B-β описана как англоязычная чат-модель. Условия лицензирования в предоставленных данных не приведены. Качество и поведение результата слияния могут отличаться от исходных моделей.

Undi95/Meta-Llama-3.1-8B-Claude — дообученная версия Llama 3.1 8B Instruct, созданная Undi95 на примерах диалогов и инструкций, сформированных на основе ответов Claude Opus и Sonnet. По карточке, модель обучена на 9 млн токенов из перечисленных наборов данных за два прохода; она использует архитектуру Llama для генерации текста и диалогов. Подходит для чат-ответов и выполнения инструкций в формате Llama 3. В репозитории указаны веса Safetensors и контекстное окно 131 072 токена. Карточка не приводит отдельной оценки качества или подробных ограничений; результаты могут отличаться от исходных моделей Claude. Лицензия в предоставленных данных не указана.

Mistral-Small-2501-SCE-Mashup-24B — объединённая текстовая модель, созданная сообществом mergekit-community методом SCE на основе unsloth/Mistral-Small-24B-Base-2501 и нескольких дообученных моделей семейства Mistral и других текстовых моделей. Она предназначена для генерации текста и диалогового общения. Модель использует плотную архитектуру MistralForCausalLM, содержит 23,4 млрд параметров и поддерживает контекст до 32 768 токенов. В состав слияния вошли модели ArliAI, ReadyArt, TheDrummer, arcee-ai, PocketDoc и trashpanda-org. Репозиторий содержит веса в формате safetensors и рассчитан на использование через Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

Moritz Laurer дообучил encoder-модель answerdotai/ModernBERT-base на той же смеси датасетов, что и модели коллекции Zeroshot Classifiers Collection версии zeroshot-v2.0. Это модель классификации текста для zero-shot сценариев: её можно применять к задачам, где нужно отнести текст к заданным категориям без отдельного обучения классификатора под каждую задачу. Веса содержат около 149 млн параметров; архитектура — ModernBERT для классификации последовательностей, максимальный контекст — 8192 токена. Модель отличается высокой скоростью и низким потреблением памяти; автор отмечает, что она позволяет использовать большие пакеты и что bf16 ускоряет работу примерно вдвое по сравнению с fp16. В описанных автором испытаниях качество в среднем немного уступало DeBERTav3. Модель распространяется под лицензией Apache-2.0; доступны форматы Safetensors и ONNX.

MPT-1b-RedPajama-200b-dolly — языковая модель MosaicML для генерации текста и выполнения инструкций. Это плотный decoder-only трансформер MosaicGPT примерно на 1,3 млрд параметров: 24 слоя, 16 голов внимания и ширина 2048. Предварительное обучение проводилось на 200 млрд токенов RedPajama, а затем модель дообучили на наборе инструкций Databricks Dolly 15k. В архитектуре используются ALiBi и QK LayerNorm; позиционные эмбеддинги и смещения в слоях не применяются. Модель подходит для ответов на инструкции и вопросы, написания текстов и других задач генерации текста. Она принимает текст и генерирует текст; контекст обучения составлял 2048 токенов. Карточка требует загрузки с trust_remote_code=True, поскольку архитектура MosaicGPT не входит в стандартный пакет Transformers. Доступна по лицензии CC BY-SA 3.0.

openaccess-ai-collective/mpt-7b-wizardlm — языковая модель OpenAccess AI Collective на архитектуре MPT-7B, дообученная на наборе WizardLM Alpaca Evol Instruct 70K. Модель предназначена для генерации текста и ответов на инструкции на английском языке. Модель обучали три эпохи на одном ускорителе A100 с 80 ГБ памяти. В метаданных указаны формат PyTorch и задача text-generation. Карточка не приводит сведений о длине контекста или лицензии.

zelk12/MT2-IB-gemma-2-9B — это объединённая модель для генерации текста и диалогов, созданная с помощью mergekit из двух предварительно обученных моделей Gemma 2. Для слияния использован метод SLERP с параметром t=0.5; базовой указана zelk12/MT2-IF-gemma-2-RIv0.1RAt0.25v0.1-9B. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и веса в формате safetensors и bfloat16. Модель рассчитана на текстовый ввод и генерацию ответов в диалоговом формате. Контекстное окно составляет 8192 токена. Карточка не описывает отдельную предметную специализацию или подтверждённый набор языков. Лицензия в предоставленных данных не указана.

zelk12/MT2-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMTM4-9B — объединённая модель генерации текста, созданная разработчиком zelk12 методом SLERP с помощью mergekit из двух моделей: zelk12/MT-Merge4-gemma-2-9B и zelk12/MT-Merge2-MU-gemma-2-MTg2MT1g2-9B. Модель построена на плотной архитектуре Gemma 2 с 9 млрд параметров и поддерживает контекст длиной до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Данные не описывают её специализацию по языкам или предметным областям, поэтому её можно характеризовать только как модель общего назначения. Репозиторий содержит веса в формате safetensors; для работы используется библиотека Transformers. Лицензия в предоставленных данных не указана.

zelk12/MT4-Gen5-MA-gemma-2-MT4g2MT3g4-9B — объединённая с помощью mergekit методом SLERP языковая модель на архитектуре Gemma 2 с 9 млрд параметров. Она создана из zelk12/MT3-Gen4-gemma-2-9B и zelk12/MT4-Gen2-gemma-2-9B и предназначена для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. В карточке нет сведений о поддерживаемых языках и лицензии, поэтому их нельзя надёжно описать.

zelk12/MT-Merge1-gemma-2-9B — объединённая разговорная языковая модель на 9 млрд параметров, созданная с помощью mergekit методом SLERP из zelk12/MT5-Gen1-MMGBI-gemma-2-9B и zelk12/MT-Merge1-MAMU-gemma-2-9B. Модель построена на архитектуре Gemma 2 с причинной языковой моделью Gemma2ForCausalLM и предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст; нативный контекст составляет 8192 токена. В карточке приведены результаты Open LLM Leaderboard: среднее значение 33,13, IFEval — 78,86 и BBH — 44,06. Модель распространяется в формате safetensors и использует библиотеку Transformers. Лицензия и специальные языковые ограничения в предоставленных данных не указаны.

NeuralsirkrishnaShadow_Multi_verse_modelM7 — объединённая текстовая модель на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/Multi_verse_modelM7-7B. Модель содержит 7,1 млрд параметров и принимает текст для генерации продолжений и диалоговых ответов; максимальный контекст составляет 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. В карточке не описаны целевые языки, специальные предметные области или отдельные ограничения качества, поэтому она подходит для общих сценариев генерации текста.

NeuralsynthesisMyriad-7B — автоматически объединённая языковая модель, созданная Maxime Labonne с помощью mergekit. В конфигурации объединены Kukedlc/NeuralSynthesis-7B-v0.3 и Muhammad2003/Myriad-7B-Slerp методом dare_ties; для второго источника заданы плотность 0,53 и вес 0,6. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и принимает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса в формате safetensors, указанная лицензия — CC BY-NC 4.0, предусматривающая ограничения на коммерческое использование.

OpenChat v3.1 — языковая модель, разработанная командой OpenChat и созданная методом supervised fine-tuning на диалогах ShareGPT с особой стратегией кондиционирования и взвешенной функцией потерь. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров, принимающая текст и генерирующая ответы. Максимальная длина контекста — 4096 токенов. Модель предназначена для диалогов, ответов на вопросы и генерации текста в приложениях, где нужна открытая разговорная LLM. README сообщает о тестировании на AlpacaEval и MT-bench, но результаты этих бенчмарков не гарантируют качество во всех задачах. Модель может ошибаться и выдумывать сведения; также отмечены ограничения в сложных рассуждениях, математике и программировании. Модель распространяется по лицензии Llama 2 Community License, допускающей коммерческое использование на её условиях. Для высокопроизводительного развертывания README рекомендует OpenChat API-сервер на базе vLLM; указанные требования к GPU относятся к этому способу запуска.

wls04 представляет дообученную диалоговую модель на базе Qwen/Qwen2.5-7B-Instruct, обученную с помощью TRL. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, предназначенная для генерации текста и ответов в формате диалога. В карточке приведён пример запуска через Transformers для ответа на вопрос; метаданные указывают контекст длиной до 32 768 токенов. Модель принимает текст и выдаёт текст. Карточка не описывает специализацию дообучения, поэтому её можно охарактеризовать как диалоговую модель общего назначения. В репозитории указаны веса safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Ramakrishna-7b-v4 — языковая модель для генерации текста, созданная объединением пяти моделей с помощью LazyMergekit. Она основана на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста; метаданные Hugging Face также указывают эту задачу как основную. Веса опубликованы в формате safetensors. В README не описаны особенности качества, поддерживаемые языки и конкретные области применения, поэтому их нельзя определить по имеющимся данным. Лицензия в предоставленных метаданных и README не указана.

zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.375 — объединённая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная с помощью mergekit методом SLERP из recoilme/recoilme-gemma-2-9B-v0.4 и lemon07r/Gemma-2-Ataraxy-v2-9B. Она предназначена для генерации текста и диалогового взаимодействия, включая выполнение инструкций и творческое письмо. Модель принимает текст и выдаёт текст. Контекст составляет 8192 токена. Веса представлены в формате safetensors; в конфигурации слияния указан тип bfloat16. Языки применения в карточке не перечислены. Это экспериментальное слияние моделей; карточка не приводит результатов оценки качества или подробных ограничений. Лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/Saul-Base-zephyr-7b-beta-merge на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jeyctse, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-jeyctse — языковая чат-модель, созданная сообществом слиянием моделей HuggingFaceH4/zephyr-7b-beta и Equall/Saul-Base методом SLERP с помощью mergekit. Это плотная модель Mistral с 7,1 млрд параметров, доступная в формате safetensors и рассчитанная на контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге: ответов на вопросы и выполнения пользовательских инструкций. В метаданных основной язык не задан; базовая Zephyr-7B-β описана как англоязычная чат-модель. Условия лицензирования в предоставленных данных не приведены. Качество и поведение результата слияния могут отличаться от исходных моделей.

Ksgk-fy/ShadowStrangemerges_32-7B — языковая модель для генерации текста, созданная слиянием моделей на базе Mistral. Конфигурация README указывает на merge методом dare_ties моделей CorticalStack/shadow-clown-7B-slerp и Gille/StrangeMerges_32-7B-slerp; метаданные связывают репозиторий с Gille/StrangeMerges_32-7B-slerp. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Её можно применять для диалогов, черновиков, продолжения текста и ответов на вопросы; карточка не описывает специализированные области или языки. В репозитории указаны веса safetensors и лицензия Apache-2.0.

nisten/shqiponja-90 — языковая модель для генерации текста, созданная с помощью mergekit на основе моделей семейства Qwen. В карточке указано, что в объединении использован метод passthrough и модели Smaug-72B-v0.1, Qwen1.5-72B и smallsmaug-fine2; метаданные связывают репозиторий с Qwen/Qwen1.5-72B. Архитектура — плотная Qwen2ForCausalLM, размер — 88,5 млрд параметров, формат весов — safetensors, библиотека — Transformers, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для ответов на запросы, составления текстов и ведения беседы. README не сообщает о специализированной предметной области или языковом охвате. Лицензия — MIT.

Synaptica — объединённая языковая модель семейства Llama, созданная сообществом mergekit из Sao10K/Fimbulvetr-11B-v2 и maywell/Llama-3-Synatra-11B-v1 методом SLERP. Модель предназначена для генерации текста и диалоговых ответов; её архитектура — плотная LlamaForCausalLM, размер — 11 млрд параметров, контекст — до 8192 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. В конфигурации слияния указана V-образная кривая параметра t, связывающая входные и выходные слои с Hermes, а средние слои — с WizardMath. Модель рассчитана на текстовый ввод и выдачу текста. Лицензия в предоставленных данных не указана.

T3qm7xNeuralsirkrishna_Experiment29Pastiche — объединённая языковая модель на архитектуре Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment29Pastiche-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и диалогов; она принимает текст и выдаёт текст. Модель поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Репозиторий использует лицензию Apache-2.0. Сведений о специализации по доменам или языкам, а также о конкретных ограничениях качества в карточке нет.

T5Gemma — семейство компактных текстовых моделей Google на архитектуре encoder-decoder, полученных адаптацией предварительно обученных decoder-only моделей Gemma. Эта инструкция-тюнингованная версия имеет энкодер на 2 млрд и декодер на 2 млрд параметров и основана на google/t5gemma-2b-2b-ul2, адаптированной с использованием UL2. Модель принимает текст и генерирует текст; заявленная поддержка языка — английский. Модель предназначена для генерации текста по инструкциям: ответов на вопросы, суммаризации и рассуждений, а также для черновиков писем, сценариев, стихов и рекламных текстов. Компактный размер подходит для развертывания на настольных компьютерах, ноутбуках и собственной облачной инфраструктуре. В карточке не приведены длина контекста и результаты оценки качества. Модель может допускать фактические ошибки, отражать предвзятость данных обучения и испытывать трудности с неоднозначностью, тонкими языковыми нюансами и сложными открытыми задачами. Лицензия — Gemma; использование регулируется условиями лицензии и политикой допустимого использования моделей Gemma.

Trismal-Hermecles-7B-Base-Ties — разговорная языковая модель, созданная объединением unsloth/OpenHermes-2.5-Mistral-7B и unsloth/Hermes-2-Pro-Mistral-7B методом TIES с помощью LazyMergekit. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров; репозиторий содержит веса в формате safetensors. Указанная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на вопросы, написания и редактирования текстов, а также для чат-ботов. README не приводит отдельной оценки качества или перечня поддерживаемых языков. Лицензия в предоставленных данных не указана.