III.10Проекты, процессы и операционное управление

Lumimaid-v0.2-8B — разговорная языковая модель на архитектуре Llama, разработанная mrcuddle путём дообучения NeverSleep/Lumimaid-v0.2-8B. В карточке указаны обучение с помощью Unsloth и библиотеки TRL, размер модели составляет 7,5 млрд параметров, а формат весов — safetensors. Модель предназначена для генерации текста и диалогового общения; каталог отмечает поддержку чата. Она принимает текст и генерирует текст, а заявленная длина контекста составляет 131 072 токена. В метаданных указан английский язык. Модель опубликована по лицензии Apache-2.0.

Matter-0.1-7B-dare — языковая модель на архитектуре Mistral, созданная объединением моделей 0-hero/Matter-0.1-7B-boost и 0-hero/Matter-0.1-7B с помощью mergekit и метода dare_ties. В конфигурации также указана mistralai/Mistral-7B-v0.1 как базовая модель; объединение использует плотность 0,53, веса 0,5 для каждой из двух моделей и формат bfloat16. Модель предназначена для генерации текста. Она содержит 7,1 млрд параметров, принимает текст и выдаёт текст, а заявленный контекст составляет 32 768 токенов. Карточка не описывает специальные сценарии применения или языки. Модель распространяется под лицензией Apache-2.0. Специализированные возможности и ограничения качества в карточке не описаны.

MeliodasPercival_01_AlloyingotneoyInex12 — объединённая модель на архитектуре Mistral, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/AlloyingotneoyInex12-7B. Она содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста и диалогов с контекстом до 32 768 токенов. Модель может использоваться для генерации ответов, продолжения текста и диалоговых сценариев. В карточке не описаны специальные области применения или поддерживаемые языки, поэтому её следует рассматривать как модель общего назначения. Веса доступны в формате safetensors; лицензия — Apache-2.0.

MeliodasT3qm7_MeliodasPercival_01 — объединённая текстовая модель семейства Mistral от MaziyarPanahi, созданная на основе automerger/MeliodasT3qm7-7B и automerger/MeliodasPercival_01-7B. Это плотная авторегрессионная модель с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Её можно применять для составления ответов, продолжения текста и разговорных сценариев на входном тексте. Карточка не сообщает целевые языки или специализированные предметные области, поэтому их не следует считать установленными. Веса опубликованы в формате safetensors по лицензии Apache-2.0. Качество и ограничения конкретного объединения в README не описаны.

MergeCeption-7B-v1 — объединённая автором CultriX модель на архитектуре Mistral с 7,1 млрд параметров. Она создана из MonaTrix-v4, OmniTruthyBeagle-7B-v0, NeuralMaxime-7B-slerp и NeuralTrixlaser-bf16 с помощью LazyMergekit и метода DARE-TIES; веса представлены в формате safetensors и типе bfloat16. Модель предназначена для генерации и продолжения текста. Контекст составляет до 32 768 токенов. В карточке не приведены отдельные результаты оценки качества или сведения о целевых языках и специализированных областях применения, поэтому её следует рассматривать как текстовую генеративную модель общего назначения. Лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/mergekit-slerp-fodinzo 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.

Это объединённая языковая модель на архитектуре Mistral, созданная сообществом mergekit-community методом SLERP из NousResearch/Hermes-2-Pro-Mistral-7B и jan-hq/stealth-v1.3. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в диалоговом формате; для работы с ней указана библиотека Transformers. Модель подходит для диалогов и генерации ответов на текстовые запросы. Контекстное окно составляет 32 768 токенов. В конфигурации слияния указана точность bfloat16; README описывает V-образное распределение коэффициента слияния, при котором вклад Hermes преобладает на входе и выходе, а промежуточные слои смешиваются иначе. Условия лицензии в предоставленных данных не указаны.

Карточка модели mergekit-community/mergekit-slerp-xlkdlta 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.

Карточка модели mergekit-community/mergekit-slerp-xyweuvi 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.

mhm-7m-v1.3 — экспериментальная текстовая языковая модель, созданная путём трёх этапов слияния семи предварительно обученных моделей на основе Mistral с помощью mergekit и методов dare_ties. Она предназначена для генерации текста и диалогового общения. Размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов; репозиторий содержит веса в формате Safetensors. В README не названы исходные модели слияния, поэтому базовую модель можно определить только как семейство Mistral. Модель распространяется по лицензии Apache-2.0. README характеризует её как эксперимент; результатов оценки качества и сведений о целевых языках не приводит.

Mistral-11B-v0.3 — языковая модель для генерации текста, созданная Corianas как слияние моделей семейства Mistral с помощью LazyMergekit. В README перечислена одна и та же модель Mistral-7B-v0.3 трижды; метаданные также указывают на Mistral-7B-v0.3 как базовую модель. Модель имеет плотную архитектуру MistralForCausalLM, 10,6 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации продолжений текста и диалоговых ответов в сценариях, где требуется языковая модель общего назначения. В метаданных указан формат safetensors. Языки и специализированные области применения в предоставленных материалах не определены. Лицензия в предоставленных данных не указана. README описывает модель как merge, тогда как метаданные классифицируют её как finetune; точный способ получения весов поэтому неоднозначен.

Mistral7B-PairRM-SPPO-Iter3 — языковая модель UCLA-AGI, дообученная методом Self-Play Preference Optimization на третьем этапе. Она основана на mistralai/Mistral-7B-Instruct-v0.2 и содержит 7,1 млрд параметров; модель Mistral с плотной архитектурой предназначена для диалоговой генерации текста. Для обучения использовались промпты из UltraFeedback, разделённые на три части, и синтетические ответы. Контекст модели составляет 32 768 токенов. Модель рассчитана прежде всего на англоязычный диалог: ответы на вопросы, следование инструкциям и ведение беседы. В карточке приведены результаты AlpacaEval, Arena-Hard, MT-Bench и Open LLM Leaderboard, но они не гарантируют качество на конкретных запросах. Доступна под лицензией Apache-2.0.

cloudyu/mistral_9B_instruct_v0.2 — разговорная языковая модель на архитектуре Mistral с 8,9 млрд параметров и 40 слоями. Согласно карточке, она дообучена методом SFT на vicgalle/alpaca-gpt4 и использует формат шаблона Alpaca. Модель предназначена для генерации текста в диалоговом формате: например, для ответов на инструкции и создания чат-ассистентов. Метаданные указывают контекст до 32 768 токенов и формат весов safetensors. Лицензия — CC BY 4.0. Карточка не приводит результатов оценки качества или подробностей о поддерживаемых языках. Дообучение на Alpaca-GPT4 указывает на инструктивный сценарий, но не подтверждает качество для конкретных областей или языков.

nlpguy/Mistral-NeMo-Minitron-Upscale-v3 — языковая модель для генерации текста, созданная на основе nvidia/Mistral-NeMo-Minitron-8B-Base. README сообщает, что веса получены слиянием предварительно обученных языковых моделей методом passthrough; в перечне исходных моделей указана только базовая модель NVIDIA. Архитектура — плотная MistralForCausalLM, размер — 11,9 млрд параметров, родной контекст — 8192 токена. Модель рассчитана на текстовый ввод и генерацию текста. Карточка содержит рекомендацию использовать v1, поэтому качество и актуальность версии v3 могут быть ограничены. Указана лицензия other; конкретные условия использования следует сверить с лицензией репозитория и базовой модели.

Monarch-7B-dare — текстовая генеративная модель на архитектуре Mistral, созданная mlabonne методом слияния моделей через LazyMergekit. В конфигурации указаны OmniTruthyBeagle-7B-v0 и NeuBeagle-7B; для NeuBeagle задан вес 0,45 и плотность 0,53, применён метод dare_ties. Метаданные каталога связывают модель с NeuBeagle-7B как с базовой дообученной моделью. Модель предназначена для генерации и продолжения текста, включая диалоговые ответы. Она содержит 7,1 млрд параметров, принимает текст и выдаёт текст, а длина контекста составляет 32 768 токенов. Указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование.

zelk12/MT3-Gen5-MA-gemma-2-MT2E-9B_v1 — объединённая языковая модель, созданная автором репозитория с помощью mergekit из Aashraf995/Gemma-Evo-10B и zelk12/MT2-gemma-2-9B. Для слияния применён метод SLERP с параметром t=0.25; в метаданных указаны архитектура Gemma 2, плотная модель с 9 млрд параметров и формат safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текстовые запросы и выдаёт текст, поддерживает контекст до 8192 токенов и работает через библиотеку Transformers. Метаданные указывают задачу text-generation и возможность chat. Из README известны состав и метод слияния; сведений о сравнительной точности или специализированных областях применения нет. Лицензия в предоставленных данных не указана.

zelk12/MT3-Gen5-MMGBMU-gemma-2-9B_v1 — слияние двух предварительно обученных языковых моделей zelk12/MT3-Gen5-BMU-gemma-2-9B_v1 и zelk12/MT3-Gen5-MMG-gemma-2-9B_v1, созданное автором с помощью mergekit методом SLERP. Модель построена на архитектуре Gemma 2 с плотной causal language model на 9 млрд параметров; веса представлены в safetensors, библиотека для работы — Transformers. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов. Сведения о языках, на которых модель специально обучалась, в доступных источниках отсутствуют, поэтому её языковой охват нельзя надёжно конкретизировать. Лицензия и специальные ограничения использования в README и предоставленных метаданных не приведены. Качество, устойчивость ответов и сравнительные преимущества слияния отдельно не описаны.

zelk12/MT3-Gen5-MMG-gemma-2-9B_v1 — это слитая с помощью mergekit методом SLERP языковая модель на архитектуре Gemma 2. В объединении использованы zelk12/MT3-Gen5-MM-gemma-2-MT2Av4d-9B_v1 и zelk12/MT3-Gen5-GP-gemma-2-RAv0.1E-9B_v1; в конфигурации базовой указана первая модель. Вес модели составляет 9 млрд параметров, файлы представлены в формате safetensors, для работы используется библиотека Transformers. Модель предназначена для генерации текста и диалогового общения. Её можно применять для создания и продолжения текстов, ответов в чате и других сценариев работы с языковым контентом. Нативный размер контекста — до 8192 токенов. Данные не подтверждают поддержку конкретных естественных языков или специализированных предметных областей. Условия лицензии в предоставленных сведениях не приведены. Поскольку это объединение двух моделей, практические свойства и качество зависят от их обучающих данных и настройки; отдельные ограничения в README не описаны.

zelk12 выпустил эту диалоговую языковую модель, объединив методом SLERP веса recoilme/recoilme-gemma-2-9B-v0.4 и zelk12/MT3-Gen4-gemma-2-9B. Модель построена на архитектуре Gemma 2, содержит 9 млрд параметров и предназначена для генерации текста и общения в чате. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 8192 токена. Модель хранится в формате Safetensors и рассчитана на использование через библиотеку Transformers. README и метаданные не описывают её языковой охват, специальные предметные области, сравнительные результаты или ограничения качества. Лицензия в предоставленных данных не указана.

zelk12/MT5-Gen5-BB-gemma-2-RAv0.1MTg2-9B — объединённая модель для генерации текста и диалогового общения, созданная с помощью mergekit методом SLERP из zelk12/MT-Gen2-gemma-2-9B и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1. Модель построена на архитектуре Gemma 2, содержит 9 млрд параметров и работает с текстом в контексте до 8192 токенов. Модель предназначена для генерации продолжений текста и ведения диалога. В метаданных указана поддержка conversational-взаимодействия; сведений о специализированных предметных областях или языках нет. Веса опубликованы в формате safetensors и представлены в bfloat16. Лицензия в предоставленных данных не указана.

zelk12/MT5-Gen5-MU-gemma-2-Av4aAMTg2-9B — объединённая модель Gemma 2, созданная с помощью mergekit методом SLERP из lemon07r/Gemma-2-Ataraxy-v4a-Advanced-9B и zelk12/MT-Gen2-gemma-2-9B. Это плотная авторегрессионная языковая модель с архитектурой Gemma2ForCausalLM, размером 9 млрд параметров и контекстом до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст; карточка подтверждает поддержку чата, но не описывает специализированные предметные сценарии или языки. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных сведениях не указана. Качество и особенности результата зависят от запроса и настроек генерации; отдельные ограничения модели в карточке не описаны.

zelk12/MT-Gen2-gemma-2-9B — объединённая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из zelk12/MT-Gen2-MUB-gemma-2-9B и zelk12/MT-Gen2-GIMMMA-gemma-2-9B. Модель разработана для генерации текста и диалогового общения; число параметров составляет 9 млрд, базовый формат весов — safetensors, контекст — до 8192 токенов. Модель подходит для генерации ответов и продолжения текста в чат-сценариях. В README приведены результаты оценивания Open LLM Leaderboard, включая IFEval и BBH, но этих результатов недостаточно, чтобы определить сильные стороны в конкретных прикладных областях. README также ссылается на статические сборки GGUF, предоставленные mradermacher. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны. Возможности и качество могут отличаться от исходных моделей после слияния; контекст ограничен 8192 токенами.

zelk12/MT-Gen4-MA-gemma-2-S5Sv1IBT-9B — объединённая методом SLERP модель семейства Gemma 2, созданная с помощью mergekit на основе allknowingroger/GemmaSlerp5-10B и gmonsoon/SahabatAI-Lion-9B-TIES-v1. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и распространяется в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Её можно использовать для ответов на вопросы, ведения беседы и генерации текста по инструкциям; базовая модель ориентирована на языки Юго-Восточной Азии и английский. Контекстное окно — 8192 токена. В доступных сведениях лицензия не приводится.

zelk12/MT-Merge-gemma-2-9B — объединённая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit. В неё вошли zelk12/MT-Merge-MMB-gemma-2-9B и zelk12/MT-Merge-GMAMUI-gemma-2-9B; для объединения применён метод SLERP с параметром t=0,5. Модель содержит 9 млрд параметров, принимает текст и генерирует текст, в том числе в диалоговом режиме. Размер контекста — 8192 токена. Подходит для генерации текста и ответов в чате. В README приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Модель опубликована в формате safetensors для использования с библиотекой Transformers. Лицензия и сведения о поддерживаемых естественных языках в предоставленных данных отсутствуют.

NeuralPearlBeagle — слитая модель генерации текста на архитектуре Mistral, созданная с помощью LazyMergekit из louisbrulenaudet/Pearl-7B-slerp и mlabonne/NeuralBeagle14-7B. Веса объединены методом TIES; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для составления ответов, продолжения текста и ведения беседы; базовая модель также описана в каталоге как подходящая для математических задач. Данных о поддерживаемых естественных языках нет. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

NeuralsirkrishnaShadow_Strangemerges_32Ogno — объединённая языковая модель, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Ogno-7B. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и примерно 7,1 млрд параметров. Модель предназначена для генерации текста. Она принимает текстовые запросы и продолжает их, что подходит для диалогов, черновиков и других задач на основе текстовой генерации. Поддерживаемые языки и специализация сверх этого в доступных сведениях не описаны. Контекстное окно составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Доступные сведения не описывают качество объединения, результаты оценивания или специальные ограничения применения.

NSK-7B-128k-slerp — разговорная текстовая модель, созданная AlekseiPravdin путём слияния моделей Nitral-AI/Nyan-Stunna-7B и Nitral-AI/Kunocchini-7b-128k-test с помощью mergekit и метода slerp. Это плотная Mistral-модель с архитектурой MistralForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста в диалогах. Метаданные указывают нативный контекст 32 768 токенов; обозначение «128k» в названии и тегах не подтверждено этой длиной контекста. Репозиторий содержит веса Safetensors в формате bfloat16. Языки модели не установлены по предоставленным данным. Модель распространяется по лицензии Apache-2.0.

Карточка модели sonthenguyen/OpenHermes-2.5-Mistral-7B-mt-bench-DPO-corrupted на Hugging Face совпадает с карточкой sonthenguyen/OpenHermes-2.5-Mistral-7B-mt-bench-DPO, поэтому описание составлено по ней. sonthenguyen/OpenHermes-2.5-Mistral-7B-mt-bench-DPO — чат-модель на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. По README, модель обучалась методом DPO с LoRA-адаптером на задачах causal language modeling; параметры обучения включали beta=0,1 и максимальную длину последовательности 1536 токенов. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на вопросы, ведения беседы и подготовки текстовых черновиков. В метаданных указаны поддержка чата и формат safetensors. Лицензия — Apache-2.0. README не описывает состав обучающих данных, конкретные языки или сравнительные результаты качества.

Pingala V1 Universal — модель автоматического распознавания речи, разработанная Shunyalabs. Она преобразует аудио в текст и предназначена для точной дословной транскрипции встреч, финансовых звонков, вещательных передач, учебных материалов и других записей. В карточке заявлена поддержка 204 языков, включая индийские и мировые языки; метаданные отдельно перечисляют языковые теги, среди которых русский и английский. Модель основана на архитектуре Transformer, принимает аудио с частотой 16 кГц и поддерживает обработку речи в реальном времени; в карточке также указана встроенная функция обнаружения речевой активности. Shunyalabs приводит средний показатель WER 3,10% и средний RTFx 146,23, однако описание результатов в основном посвящено английской речи. Для доступа требуется аутентификация в Hugging Face Hub. Лицензия обозначена как other и содержит ограничения на дискриминационное, военное и иное вредоносное применение; перед использованием следует ознакомиться с полным текстом лицензии.

ZeroXClem/Qwen2.5-7B-HomerAnvita-NerdMix — англоязычная разговорная модель на архитектуре Qwen2 с плотной causal language model, содержащая 7,1 млрд параметров и рассчитанная на контекст до 32 768 токенов. Автор объединил несколько моделей семейства Qwen2.5 методом Model Stock с помощью mergekit; среди источников — HomerSlerp1, Qandora Creative, Anvita, Cybertron-MGS и Qwen-Nerd. Модель предназначена для генерации текста, диалогов и ролевых сценариев, следования инструкциям, творческого письма, математических рассуждений и технических ответов. Подходит для черновиков историй и маркетинговых материалов, учебных объяснений и технической поддержки. Репозиторий содержит веса safetensors в bfloat16, а карточка указывает лицензию Apache-2.0. Указанные в карточке преимущества основаны на заявленном назначении исходных моделей и не сопровождаются результатами сравнительной оценки. Перед применением для специализированных задач качество следует проверять на своих примерах; сама карточка отмечает, что для отдельных сценариев может понадобиться дообучение.