III.10Проекты, процессы и операционное управление

maicomputer/alpaca-native — реплика Stanford Alpaca от автора репозитория maicomputer. Это плотная авторегрессионная модель семейства LLaMA с архитектурой LlamaForCausalLM, примерно 6,6 млрд параметров, предназначенная для генерации текста по инструкциям. Она обучена на исходных инструкциях Alpaca с небольшим изменением режима FSDP; в карточке приведены результаты оценки на ARC и HellaSwag. Модель подходит для диалоговых ответов и выполнения текстовых инструкций. Данных о лицензии и поддерживаемых естественных языках в предоставленных источниках нет.

Berry_v2_7B — разговорная текстовая модель на архитектуре Qwen2, опубликованная jeiku. Это слияние двух моделей с адаптерами LoRA на базе jeiku/qwen2base, выполненное методом model_stock с помощью LazyMergekit. Модель содержит 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов; веса представлены в формате Safetensors и типе bfloat16. Модель предназначена для генерации текста и диалогового общения. Её можно применять для написания и продолжения текстов, ответов на вопросы и ведения беседы. Карточка не сообщает о специальных областях применения, поддерживаемых языках или условиях лицензии, поэтому они не указаны.

Карточка модели vasimakram01/dawah_llama2_working_repo на Hugging Face совпадает с карточкой NousResearch/Llama-2-7b-chat-hf, поэтому описание составлено по ней. NousResearch/Llama-2-7b-chat-hf — диалоговая языковая модель семейства Llama 2, разработанного Meta и опубликованная в формате Hugging Face Transformers. Это плотный авторегрессионный трансформер с 6,6 млрд параметров; веса представлены в форматах PyTorch и Safetensors. Модель принимает текст и генерирует текст, а её контекст составляет 4096 токенов. Модель дообучена с помощью supervised fine-tuning и обучения с подкреплением по человеческим отзывам для диалогов в формате помощника. Она предназначена для ответов на вопросы, ведения диалога и генерации текста на английском языке. Для ожидаемого поведения нужно соблюдать форматирование Llama 2 Chat с соответствующими маркерами инструкций и токенами. Модель может выдавать неточные, предвзятые или нежелательные ответы, а проведённые оценки не охватывают все возможные сценарии. Данные предобучения имеют срез до сентября 2022 года. Использование регулируется собственной лицензией Meta для Llama 2; для получения весов требуется принять её условия.

MingZhong/DialogLED-base-16384 — базовая модель для понимания и суммаризации длинных диалогов, построенная на архитектуре Longformer-Encoder-Decoder (LED). Разработчики предварительно обучили её на большом объёме диалоговых данных с помощью задачи window-based denoising; размер модели — 95,2 млн параметров, длина входа при предобучении ограничена 16 384 токенами. Модель предназначена для суммаризации длинных бесед и других задач понимания диалогов. Для прикладных задач её предполагается дообучать; README отсылает за инструкциями по fine-tuning к GitHub. Доступны веса в формате PyTorch. Лицензия в предоставленных данных не указана.

Карточка модели Dnoya10/dicoding_genAI_expert_adv_eks1 на Hugging Face совпадает с карточкой Dnoya10/dicoding_genAI_expert_adv_eks2, поэтому описание составлено по ней. Модель Dnoya10/dicoding_genAI_expert_adv_eks2 — дообученная Dnoya10 языковая модель Qwen2 для генерации текста и диалогов. Она основана на unsloth/qwen2.5-1.5b-instruct-unsloth-bnb-4bit и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель имеет плотную архитектуру Qwen2 с 1,5 млрд параметров и контекстом до 32 768 токенов. Она принимает текст и генерирует текст; в метаданных также отмечен интерфейс вызова инструментов. Карточка указывает английский язык. Модель распространяется по лицензии Apache-2.0.

Модель Dnoya10/dicoding_genAI_expert_adv_eks2 — дообученная Dnoya10 языковая модель Qwen2 для генерации текста и диалогов. Она основана на unsloth/qwen2.5-1.5b-instruct-unsloth-bnb-4bit и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель имеет плотную архитектуру Qwen2 с 1,5 млрд параметров и контекстом до 32 768 токенов. Она принимает текст и генерирует текст; в метаданных также отмечен интерфейс вызова инструментов. Карточка указывает английский язык. Модель распространяется по лицензии Apache-2.0.

dolphin-2.6-mistral-7b-dpo-orca — авторегрессионная языковая модель, обученная HenryJJ методом DPO на базе cognitivecomputations/dolphin-2.6-mistral-7b с использованием набора Intel/orca_dpo_pairs. Модель семейства Mistral имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров; веса опубликованы в формате safetensors. Метаданные указывают контекст до 32 768 токенов, а README сообщает об обучении с контекстом 1024 токена. Модель предназначена для диалоговых ответов и генерации текста в формате ChatML, включая запросы к ассистенту общего назначения. README указывает английский язык. Модель выпущена под лицензией Apache-2.0. Карточка не приводит оценок качества или подробных сведений о проверке безопасности.

DoubleLlama3-8b-slerp — диалоговая языковая модель для генерации текста, созданная слиянием двух экземпляров Meta-Llama-3-8B-Instruct методом slerp с помощью LazyMergekit. Она предназначена для чата и формирования ассистентских ответов. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель принимает текст и выдаёт текст. В метаданных указана поддержка английского языка. Файлы опубликованы в формате safetensors. Лицензия в предоставленных сведениях не указана.

ECE-TW3-JRGL-V5 — текстовая генеративная модель на архитектуре Llama, созданная путём слияния моделей с помощью mergekit. В README указаны источники слияния: moreh/MoMo-72B-lora-1.8.7-DPO и ibivibiv/alpaca-dragon-72b-v1; объём модели составляет 71 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу и диалоговых сценариев. Она распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит отдельной оценки качества или подробных сведений о специализации модели.

MaziyarPanahi/Experiment28M7_Inex12Neural — объединённая текстовая модель на архитектуре Mistral, созданная на основе automerger/Experiment28M7-7B и automerger/Inex12Neural-7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстового запроса. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В репозитории представлены веса в формате safetensors; лицензия — Apache-2.0. README не сообщает о языковой специализации или результатах оценки качества, поэтому применение модели стоит проверять на целевых задачах.

Experiment28M7_YamShadow — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/Experiment28M7-7B и automerger/YamShadow-7B. Она предназначена для генерации текста и работы в сценариях, где требуется продолжать или создавать текст по текстовому запросу. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors под лицензией Apache-2.0. Данных о специализации по предметной области и языковой поддержке в карточке нет; характеристики и ограничения унаследованных моделей здесь не описаны.

Fireball-Llama-3.1-8B-Instruct-v1-16bit — языковая модель EpistemeAI для диалоговой генерации текста. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров, дообученная на unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Модель принимает текст и генерирует текст; заявленное нативное контекстное окно — 131 072 токена. Модель подходит для ведения диалога и генерации ответов на текстовые запросы. В карточке не описаны специальные предметные области, дополнительные возможности или результаты оценки качества. Репозиторий использует лицензию Apache-2.0.

freewheelin/free-solar-slerp-v0.2 — текстовая генеративная модель на архитектуре Llama с 10,7 млрд параметров, созданная объединением двух моделей методом SLERP с помощью mergekit: davidkim205/komt-solar-10.7b-sft-v5 и LDCC/LDCC-SOLAR-10.7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Модель использует формат Safetensors и поддерживает контекст до 4096 токенов. В метаданных указана лицензия MIT. Подробные оценки качества и ограничения отдельных сценариев в карточке не приведены.

GeM2-Llamion-14B-Base — генеративная языковая модель VAIV Company из серии GeM 2.0. Она создана преобразованием модели Orion в стандартную архитектуру LLaMA с помощью отображения параметров и переноса знаний. Модель предназначена для генерации текста и диалоговых сценариев. Это плотная авторегрессионная модель класса LlamaForCausalLM с 14,1 млрд параметров, контекстом 4096 токенов и весами в формате safetensors. В карточке указана возможность чата. Лицензия — Apache-2.0. В README не приведены сведения о языках, обучающих данных и конкретных ограничениях качества, поэтому их нельзя уточнить по имеющимся источникам.

Gemma 1.1 2B IT — компактная языковая модель Google с открытыми весами, построенная на исследованиях и технологиях, использованных для Gemini. Это декодерная трансформерная модель для генерации текста, дообученная следовать инструкциям и вести диалог. Она рассчитана прежде всего на английский язык и подходит для запуска на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре. Модель можно применять для ответов на вопросы, суммаризации, диалоговых интерфейсов, создания текстов и помощи в обучении языку. Небольшой размер упрощает развёртывание при ограниченных вычислительных ресурсах. При этом ответы могут содержать фактические ошибки и отражать смещения обучающих данных; модель может испытывать трудности со сложными задачами, неоднозначностью и тонкими языковыми нюансами. Лицензия — Gemma; перед использованием следует учитывать условия лицензии и политику запрещённого использования Gemma.

Это объединённый чекпойнт дообучения Gemma 4 E4B Instruct, опубликованный tensorfiend после обучения на GPU. Модель основана на плотной архитектуре Gemma4 и предназначена для генерации текста в диалоговом формате. В карточке указаны шаг обучения 564 и лучшая оценка eval loss 0,338. Метаданные отмечают поддержку чата и формат safetensors. Базовая Gemma 4 E4B Instruct также поддерживает работу с изображениями и аудио, однако карточка этого чекпойнта не подтверждает сохранение или проверку этих возможностей после дообучения. Лицензия указана как other; README требует соблюдать лицензионные условия Gemma и не распространять её веса вне разрешённого ими использования. Данных о целевых языках и специализации на конкретной области нет.

GPT-6 Luna — быстрая и экономичная модель OpenAI из серии GPT-6, позиционируемая ниже GPT-6 Sol. Она предназначена для чат-сценариев, классификации и лёгких агентных задач, особенно при высокой нагрузке и требованиях к низкой задержке. Данных об архитектуре, размере, модальностях, языках, длине контекста и лицензии в предоставленных материалах нет.

MotherEarth/Hermes-Storm-Climate-lorablated — объединённая диалоговая языковая модель, созданная с помощью mergekit методом SLERP из mlabonne/Hermes-3-Llama-3.1-8B-lorablated и MotherEarth/storm_climate. Она построена на архитектуре Llama с плотной моделью класса LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста в диалогах; заявленный контекст составляет 131072 токена. Модель принимает текст и генерирует текст. В карточке указаны форматы safetensors и библиотека Transformers. Для оценки её пригодности к конкретным задачам стоит учитывать, что README описывает способ слияния, но не приводит результатов тестирования или подробных ограничений. Лицензия в предоставленных данных не указана.

Kosmos-EVAA-TSN-light-8B — плотная языковая модель семейства Llama, созданная jaspionjader слиянием двух предварительно обученных моделей: jaspionjader/Kosmos-EVAA-gamma-light-8B и jaspionjader/Kosmos-EVAA-TSN-8B. Для слияния использован метод SLERP через mergekit. Модель предназначена для генерации текста и может применяться в сценариях, где требуется создавать продолжения текста или ответы на текстовые запросы. Репозиторий содержит веса в формате safetensors; размер модели составляет 7,5 млрд параметров, а длина контекста — 8192 токена. Карточка не сообщает о специализированной области применения или поддерживаемых естественных языках. Лицензия в предоставленных данных не указана.

KunaiBeagle-7b — модель генерации текста, созданная объединением SanjiWatsuki/Kunoichi-DPO-v2-7B и mlabonne/NeuralBeagle14-7B с помощью LazyMergekit. Она основана на Mistral-7B-v0.1 и использует плотную архитектуру Mistral с 7,1 млрд параметров; указанная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия на основе текстовых запросов. Данные карточки не уточняют языки, в которых она лучше всего работает, и конкретные области применения. Репозиторий распространяется в формате safetensors; лицензия в предоставленных сведениях не указана.

SvalTek/L3-ColdBrew-OldSpice — слитая разговорная языковая модель семейства Llama 3, созданная SvalTek с помощью mergekit. В неё объединены SvalTek/L3-ColdBrew-SpicyReflect и SvalTek/L3-ColdBrew-Astrid методом passthrough merge. Модель предназначена для генерации текста и ведения диалога. Она имеет плотную архитектуру LlamaForCausalLM, содержит 9,2 млрд параметров и поддерживает контекст до 8192 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Карточка не сообщает об ограничениях, специализированных областях или лицензии модели.

hchung1017 (Hoon Chung) объединил линейным слиянием три модели: LDCC/LDCC-SOLAR-10.7B, hyeogi/SOLAR-10.7B-dpo-v1 и megastudyedu/M-SOLAR-10.7B-v1.3. Это плотная авторегрессионная модель семейства Llama на 10,6 млрд параметров для генерации текста и диалогового взаимодействия. Она принимает текст и формирует текстовые ответы; заявленная длина контекста — 4096 токенов. Модель может использоваться для ведения диалогов и генерации продолжений текста. В карточке указана лицензия MIT. Подробные оценки качества и ограничения конкретного слияния не приведены.

nkpz/llama2-22b-daydreamer-v3 — дообученная автором модель семейства Llama для генерации текста. Она создана на основе Llama 2 13B, расширенной до 22B параметров с использованием данных Llama 1 33B, а затем дообучена с помощью крупных LoRA-адаптеров и их слияния. В метаданных указаны архитектура LlamaForCausalLM, формат PyTorch и контекст до 4098 токенов. Модель предназначена для ответов на вопросы, выполнения инструкций и диалогов, включая ролевые сценарии и имитацию речевых стилей. Автор ориентировал её на английский язык, исключил из обучения примеры по программированию и отмечает выразительность в творческих запросах и сухой, точный стиль в информационных ответах. В README приведены результаты оценки на Open LLM Leaderboard, однако автор указывает, что формальное выявление слабых мест через бенчмаркинг ещё предстоит. Лицензия обозначена в метаданных как other, поэтому конкретные условия использования следует сверять с лицензией репозитория.

Mudassir-75/Llama-3.2-3B-Instruct-ENG-FR — диалоговая текстовая модель Mudassir-75, дообученная на базе unsloth/Llama-3.2-3B-Instruct с использованием Unsloth и Hugging Face TRL. Она предназначена для генерации ответов в чате и других сценариев генерации текста. Модель использует плотную архитектуру LlamaForCausalLM и содержит 3,2 млрд параметров; заявленная длина контекста — 131 072 токена. Карточка и метаданные отмечают английский язык, но подробности обучения для языкового варианта ENG-FR не раскрыты. Модель распространяется по лицензии Apache-2.0.

Llama-3-8B-OpenHermes-2.5-1M — дообученная разговорная языковая модель на архитектуре Llama, созданная на основе meta-llama/Meta-Llama-3-8B. В репозитории указаны размер 7,5 млрд параметров, поддержка чата и контекст до 8192 токенов; модель распространяется в форматах PyTorch и safetensors. Модель предназначена для генерации текста в диалоговом формате. Её можно применять для ответов на вопросы, ведения диалога и создания текстовых черновиков. В карточке приведён результат оценки Loss 0,6993, но подробности набора данных и методики оценки отсутствуют. Лицензия — llama3; условия использования следует сверять с лицензией базовой модели Meta.

Llama-3-8B-spectrum-25 — дообученная Yuvraj17 диалоговая языковая модель на архитектуре Llama, созданная на основе meta-llama/Meta-Llama-3-8B-Instruct. Она предназначена для генерации текста и ответов в формате диалога; при дообучении методом Spectrum были выбраны 25% слоёв с наибольшим отношением сигнал/шум, чтобы сократить вычислительные затраты. Модель содержит 7,5 млрд параметров, принимает текст и работает с контекстом до 8192 токенов. Для обучения использован набор yuvraj17/finetune_alpaca_1K; в карточке указан результат loss 1,2791 на оценочном наборе. Модель распространяется в форматах PyTorch и Safetensors по лицензии Llama 3. Карточка не приводит отдельной оценки качества диалогов или языкового охвата, поэтому её пригодность для конкретных задач стоит проверять на собственных примерах.

vincentoh/llama3-alpaca-dpo-instruct — текстовая генеративная модель семейства Llama 3, дообученная на одном проходе по датасету Alpaca. Карточка указывает на базовую модель unsloth/llama-3-8b-bnb-4bit; архитектура — плотная авторегрессионная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и выполнения инструкций на английском языке: например, для ответов на вопросы, составления черновиков и диалогового взаимодействия. Используется формат safetensors и лицензия Apache-2.0. Данных о результатах оценки качества в карточке нет.

Llama3-dolphin-slerp — диалоговая языковая модель, созданная слиянием методом SLERP моделей Dolphin 2.9 Llama 3 8B и Llama 3 8B Lexi Uncensored с помощью mergekit. Она предназначена для генерации текста и ведения диалогов. Архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 8192 токенов; модель принимает и выдаёт текст. Слияние объединяет характеристики двух исходных моделей, одна из которых описана в каталоге как модель для диалоговой генерации и следования инструкциям с ослабленными ограничениями на ответы. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Llama-3-Intermix — разговорная модель генерации текста, созданная bunnycore путём слияния моделей семейства Llama 3 с помощью mergekit и метода model_stock. В состав слияния вошли PJMixers/LLaMa-3-CursedStock-v2.0-8B, Nitral-AI/Hathor_Stable-v0.2-L3-8B и WhiteRabbitNeo/Llama-3-WhiteRabbitNeo-8B-v2.0. Модель на архитектуре LlamaForCausalLM содержит 7,5 млрд параметров, принимает текст и генерирует текст; контекст — до 8192 токенов. Карточка указывает формат safetensors и лицензию Apache-2.0. Модель предназначена для диалогов и других задач генерации текста; сведений о специальных доменах или отдельных языках в карточке нет.

Lllama-3-RedElixir-8B — плотная языковая модель семейства Llama 3, созданная автором lemon07r слиянием нескольких предварительно обученных моделей с помощью mergekit и метода DARE TIES. В качестве базовой модели использована NousResearch/Meta-Llama-3-8B; в слияние также вошли MagicDolphin, Jamet, Mahou, Spicy Abliterated Stella, Hathor Stable, NeuralPoppy EVO и Llama-3-Spellbound Instruct. Модель содержит 7,5 млрд параметров, принимает текст и предназначена для генерации текста, включая диалоговые сценарии. Контекст составляет до 8192 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Указана лицензия Llama 3. Это объединённая модель нескольких вариантов Llama 3, поэтому её поведение зависит от сочетания исходных моделей. Карточка не приводит результатов оценки качества или конкретных гарантий поведения; соблюдайте условия лицензии Llama 3 при использовании.