III.10Проекты, процессы и операционное управление

NeuraRP-7B-slerp — диалоговая текстовая модель, созданная stevez80 слиянием NeuralHermes-2.5-Mistral-7B и BuRP_7B методом SLERP. Она предназначена для генерации текста в диалогах и ответов на запросы пользователя. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. Слияние использует разные веса для слоёв внимания и MLP, а результат задан в формате bfloat16. Метаданные отмечают поддержку чата, но карточка не приводит оценки качества или перечень языков, поэтому их нельзя определить по имеющимся сведениям.

OpenForecaster-8B-i1-GGUF — квантизированная версия модели OpenForecaster-8B, разработанной пользователем nikhilchandak и преобразованной в формат GGUF пользователем mradermacher. Модель обучалась с использованием набора данных OpenForesight; заявленный язык — английский. Лицензия — MIT. Модель предназначена для задач прогнозирования, рассуждений и ответов на вопросы, а также связана с калибровкой и reinforcement learning. README не содержит подробностей о базовой архитектуре, максимальном контексте, поддерживаемых модальностях или точных методах обучения, поэтому её следует рассматривать прежде всего как англоязычную текстовую модель для сценариев forecasting и связанных аналитических задач. Репозиторий предоставляет множество вариантов квантизации GGUF с размером примерно от 2,2 до 6,8 ГБ. Более компактные варианты требуют меньше памяти, но могут заметно уступать в качестве; среди рекомендованных указаны i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как компромисс между размером, скоростью и качеством. Конкретные характеристики и качество зависят от выбранного варианта квантизации.

Orca-Hermes-7B-slerp — диалоговая языковая модель, созданная слиянием моделей Open-Orca и OpenHermes на основе Mistral 7B с помощью mergekit и метода slerp. Она предназначена для генерации текста и ответов на инструкции в формате чата. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель работает с текстом и ориентирована прежде всего на англоязычные диалоги и инструкции. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. README описывает конфигурацию слияния, но не приводит отдельные результаты оценки качества.

PESTO-llama-base — дообученная Jake Boggs модель на основе unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для диалогов и генерации текста; заявленная длина контекста — до 131 072 токенов. Модель распространяется в формате Safetensors и использует библиотеку Transformers. README не раскрывает назначение дообучения, обучающий набор данных или результаты оценки, поэтому модель можно описать только как разговорную текстовую модель общего назначения. Лицензия — llama3.1; условия её применения определяются соответствующей лицензией базовой модели.

Qwen2.5-1.5B-Policy — языковая модель для генерации текста, созданная blakenp дообучением Qwen/Qwen2-0.5B с помощью TRL. Модель использует плотную архитектуру Qwen2 и предназначена для диалогового взаимодействия: она принимает пользовательские сообщения и генерирует ответы. Модель содержит 494 млн параметров, работает с библиотекой Transformers и поддерживает контекст длиной до 131 072 токенов. В метаданных указано сохранение весов в формате safetensors. Лицензия и языковая специализация в предоставленных данных не указаны.

Это дообученная модель Qwen3.5-4B, опубликованная пользователем LLADIGA. Модель с плотной архитектурой Qwen3_5ForCausalLM содержит 3,4 млрд параметров и предназначена для генерации текста в диалоговом формате. В карточке указано обучение с помощью TRL; пример показывает ответы на пользовательские вопросы. Модель принимает текст и генерирует текст. Она основана на Qwen/Qwen3.5-4B, для которой каталог описывает поддержку понимания изображений, однако для этого дообученного текстового чекпойнта заявлена задача text-generation. Контекстное окно — 262144 токена. Модель доступна в формате Safetensors и рассчитана на Transformers. Лицензия в предоставленных данных не указана.

Карточка модели VladShash/qwen3-8b-classic-one-shot-no-repair на Hugging Face совпадает с карточкой VladShash/qwen3-8b-classic-no-repair, поэтому описание составлено по ней. VladShash/qwen3-8b-classic-no-repair — плотная авторегрессионная языковая модель семейства Qwen3 с 7,6 млрд параметров, разработанная на основе formalmathatepfl/qwen3-cpt. Модель дообучена методом SFT на наборе данных sft; в карточке она представлена как диалоговая модель для генерации текста. Модель принимает текст и выдаёт текст. Её можно использовать для диалогов и генерации ответов в сценариях, где подходит Qwen3. Контекстное окно составляет 32 768 токенов. Карточка не сообщает о специализированных областях применения или языках. Лицензия указана как other, поэтому конкретные условия использования по карточке определить нельзя.

kz919/QwQ-0.5B-Distilled-SFT — компактная диалоговая языковая модель на архитектуре Qwen2, дообученная методом instruction tuning с дистилляцией ответов Qwen/QwQ-32B-Preview. В репозитории указано около 0,5 млрд параметров; метаданные связывают модель с Qwen/Qwen2.5-0.5B-Instruct и показывают длину контекста 32 768 токенов. Модель предназначена для генерации текста в диалоге, ответов на вопросы и пошаговых объяснений, а также для создания связного длинного текста и обработки запросов технической поддержки. Обучение описано как дистилляция на примерах длинных рассуждений из наборов QwQ-LongCoT; метаданные также перечисляют QWQ-LONGCOT-500K и LONGCOT-Refine-500K. Заявлены возможности чата и интерфейс вызова инструментов. Карточка отмечает, что качество на сложных задачах рассуждения может уступать модели-учителю, а сам чекпойнт может быть недостаточно обучен. Лицензия — Apache-2.0.

Rabbit-7B-DPO-Chat — диалоговая языковая модель на архитектуре Mistral, созданная viethq188. Модель получена слиянием AIDC-ai-business/Marcoroni-7B-v3 и rwitz/go-bruins-v2 методом SLERP с последующим обучением DPO на данных Hugging Face. Для общения можно использовать шаблон Alpaca. Модель предназначена для генерации текста в диалогах и ответов на запросы. Она содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате PyTorch. Лицензия — Apache-2.0. В карточке не описаны языки обучения или специальные предметные области; качество и ограничения модели README не уточняет.

Saiga Gemma2 9B — русскоязычный чат-ассистент Ильи Гусева на базе Gemma 2 9B Instruct. Модель дообучена в два этапа: supervised fine-tuning (SFT) и KTO на данных Saiga; в карточке указаны датасеты saiga_scored и saiga_preferences. Это плотная авторегрессионная языковая модель Gemma2ForCausalLM с 9 млрд параметров, рассчитанная на диалог в формате запросов Gemma 2 и контекст до 8192 токенов. Модель предназначена для русскоязычного общения, ответов на вопросы и помощи в повседневных задачах. В сравнительной оценке Alpaca Eval указаны результаты двух версий Saiga относительно Gemma 2 9B Instruct. Репозиторий содержит веса Safetensors. Лицензия — Gemma; условия её применения определяются лицензией Gemma.

Aleteian/Saiga-Unleashed — объединённая с помощью mergekit методом SLERP языковая модель, включающая IlyaGusev/saiga_nemo_12b и MarinaraSpaghetti/NemoMix-Unleashed-12B. Это плотная модель архитектуры MistralForCausalLM с 12,1 млрд параметров, предназначенная для генерации текста и диалогового общения; используется шаблон чата Mistral. Модель принимает текст и генерирует текст. Её можно применять для ведения диалогов, написания историй и других задач генерации текста. Указанная в метаданных длина контекста — 1 024 000 токенов. Модель опубликована в формате safetensors и использует библиотеку Transformers. В README и предоставленных метаданных сведения о лицензии и конкретных ограничениях не приводятся.

Это слитая модель генерации текста на основе GPT-NeoX, созданная автором репозитория с помощью mergekit. В линейном слиянии использованы контрольные точки предварительно обученной языковой модели с шагов 7 000, 8 000, 9 000, 10 000 и 11 000; базой слияния служила контрольная точка шага 11 000. Модель содержит 8,8 млрд параметров, использует формат safetensors и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. README и метаданные не сообщают конкретных языков, тематических областей или специализированных сценариев применения, поэтому её следует рассматривать как языковую модель общего назначения. Лицензия в предоставленных данных не указана.

macadeliccc/SOLAR-2x10.7b-truthy-dpo — разговорная текстовая модель, полученная слиянием macadeliccc/SOLAR-10.7b-Instruct-truthy-dpo и bhavinjawade/SOLAR-10B-OrcaDPO-Jawade. Она предназначена для генерации ответов в диалоге и других сценариев, где требуется продолжить текст. Модель построена на архитектуре Mixtral с механизмом смеси экспертов, содержит 10,6 млрд параметров и поддерживает контекст до 4096 токенов. В карточке указаны наборы данных truthy-dpo-v0.1 и OpenOrca; результаты оценки качества не приведены. Репозиторий содержит веса Safetensors. Лицензия CC BY-NC-ND 4.0 требует указания авторства и запрещает коммерческое использование и распространение производных материалов.

Stealth-FusionGrit-7b-Slerp-Exp — разговорная языковая модель, созданная powermove72 путём слияния jan-hq/stealth-v1.3 и powermove72/FusionGrit-7B с помощью LazyMergekit. Она предназначена для генерации текста и диалоговых ответов. Модель построена на плотной архитектуре Mistral и содержит 8,9 млрд параметров; заявленный контекст — до 32 768 токенов. Модель распространяется в формате Safetensors. Карточка указывает на слияние слоёв двух исходных моделей и использование float16. Метаданные описывают Stealth v1.3 как англоязычную разговорную модель; данных о языках и возможностях второй модели в предоставленных материалах нет. Лицензия в доступных источниках не указана.

Tess-3-7B-SFT — текстовая разговорная модель, созданная путём дообучения Mistral-7B-v0.3. Её разработчик описывает этот чекпойнт как первый этап финальной модели Tess-3. Модель обучена методом supervised fine-tuning на отобранном наборе примерно из 500 тысяч примеров, содержащем около 1 млрд токенов; для общения используется формат запросов ChatML. Модель предназначена для генерации ответов в диалоге и других задач генерации текста. Она имеет 7,1 млрд параметров и контекст длиной до 32 768 токенов. Карточка не указывает целевые языки или специализированные предметные области. Модель распространяется в формате safetensors по лицензии Apache-2.0. Ответы могут содержать фактические ошибки или вводящий в заблуждение текст; также возможны предвзятые, оскорбительные или неприемлемые ответы. Разработчик характеризует модель как uncensored и рекомендует проверять важную информацию.

Tinyllama-moe4 — компактная языковая модель с архитектурой Mixture of Experts (MoE), созданная aipib с помощью LazyMergekit путём объединения vihangd/DopeyTinyLlama-1.1B-v1 и gardner/TinyLlama-1.1B-Instruct-3T. Размер модели составляет около 1 млрд параметров; репозиторий содержит веса в формате Safetensors. Модель предназначена для генерации текста и диалогов, включая ответы помощника, объяснения, рассуждения, выполнение инструкций, суммаризацию и подсчёт. Конфигурация направляет запросы о чате, помощнике и объяснениях к одному эксперту, а инструкции, суммаризацию и рассуждения — к другому. Модель принимает текст и выдаёт текст, поддерживает контекст до 2048 токенов. Для использования указана лицензия Apache-2.0. Карточка не приводит оценок качества или подробных сведений о языковом покрытии.

UTENA-7B-UNA-V2 — языковая модель с архитектурой Mistral, созданная AI-B слиянием моделей UTENA-7B-UNA и UTENA-7B-DPO методом SLERP через mergekit. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста; заявленная длина контекста — 32 768 токенов. Модель подходит для генерации продолжений текста и диалоговых ответов в сценариях, где нужна текстовая языковая модель. В карточке не приведены сведения о языках, специальных предметных областях или результатах оценки качества. Репозиторий содержит веса Safetensors; лицензия — Unlicense.

Aaron-di/Yamshadowexperiment28M70.8-0.22-0.86-0.36-0.42-0.95-7B — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit на основе AurelPx/Percival_01-7b-slerp и liminerity/M7-7b. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; карточка демонстрирует её запуск через Transformers с шаблоном диалога. Нативная длина контекста — 32 768 токенов. Модель подходит для генерации текста и диалоговых ответов общего назначения. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. README не приводит оценок качества или подробного описания специализации модели.

cloudyu/Yi-34Bx2-MoE-60B-DPO — диалоговая языковая модель, представленная как версия cloudyu/Yi-34Bx2-MoE-60B, дообученная методом Direct Preference Optimization (DPO). В метаданных указаны архитектура MixtralForCausalLM с разреженной MoE-структурой, 33,9 млрд параметров и контекст до 200 000 токенов. Модель предназначена для генерации текста в диалоге и использования в чат-сценариях. Карточка приводит результаты оценки Open LLM Leaderboard, но предупреждает, что метрики не проверялись. Модель распространяется в формате safetensors по лицензии Apache-2.0.

dlibf/zephyr-6b-dpo-full — это плотная авторегрессионная языковая модель семейства LLaMA с 5,8 млрд параметров, предназначенная для генерации текста и диалогового общения. В метаданных указано окно контекста до 200 000 токенов и формат весов Safetensors. Карточка сообщает о метриках оценки DPO, включая точность предпочтений 0,7305 и разницу вознаграждений 0,5407, но не описывает обучающие данные, практические сценарии применения или подтверждённые языковые возможности. Условия лицензии в доступных данных не приведены.

weijie210/zephyr-7b-UC-0-B0.5 — диалоговая языковая модель, дообученная на базе alignment-handbook/zephyr-7b-sft-full. Это плотная MistralForCausalLM с 7,1 млрд параметров, предназначенная для генерации текста и диалоговых ответов; заявленная длина контекста — 32 768 токенов. Карточка сообщает об оценках на наборе для проверки, но не описывает обучающие данные и конкретные ограничения. Модель распространяется в формате safetensors по лицензии Apache-2.0.

ProfessorF (Nick V. Flor, PhD) публикует эту версию NVIDIA Nemotron 3 Nano Omni в формате GGUF BF16 для воспроизводимости исследований. Исходная мультимодальная модель разработана NVIDIA и объединяет понимание видео, аудио, изображений и текста для корпоративных сценариев: вопросов и ответов, суммаризации, транскрипции и анализа документов. В карточке указано, что модель дополнительно обучалась с использованием нескольких моделей Qwen и gpt-oss-120b; точное число параметров и длина контекста для этой копии не приведены. Модель предназначена для анализа записей встреч и обучающих видео, поиска по медиаматериалам, распознавания речи и текста на документах, а также для GUI-агентов и автоматизации работы с браузерами, почтой и системами управления инцидентами. Заявлена поддержка коммерческого использования; метаданные указывают лицензию other, поэтому перед внедрением следует проверить условия лицензии в карточке исходной модели NVIDIA и этой копии.

Trinity-Large-Thinking — ориентированная на рассуждения и агентные сценарии модель семейства Trinity-Large от Arcee AI. Это дообученная на базе arcee-ai/Trinity-Large-Base разреженная MoE-модель для генерации текста; по README, в семействе около 398 млрд параметров и примерно 13 млрд активных параметров на токен, используется 256 экспертов, включая одного общего. Метаданные указывают 8,7 млрд параметров, поэтому точный размер данного чекпойнта в источниках расходится. Модель предназначена для многошагового планирования, вызова инструментов, диалогов и задач, требующих развёрнутых рассуждений. Она формирует трассы рассуждений в специальных блоках, которые следует сохранять в контексте при многоходовом взаимодействии и циклах агента. Поддерживает 262 144 токена контекста и языки en, es, fr, de, it, pt, ru, ar, hi, ko и zh. Метаданные указывают лицензию other; конкретные условия использования следует сверять с карточкой модели.

Карточка модели CollectionStudio/Trinity-Large-Thinking на Hugging Face совпадает с карточкой arcee-ai/Trinity-Large-Thinking, поэтому описание составлено по ней. Trinity-Large-Thinking — ориентированная на рассуждения и агентные сценарии модель семейства Trinity-Large от Arcee AI. Это дообученная на базе arcee-ai/Trinity-Large-Base разреженная MoE-модель для генерации текста; по README, в семействе около 398 млрд параметров и примерно 13 млрд активных параметров на токен, используется 256 экспертов, включая одного общего. Метаданные указывают 8,7 млрд параметров, поэтому точный размер данного чекпойнта в источниках расходится. Модель предназначена для многошагового планирования, вызова инструментов, диалогов и задач, требующих развёрнутых рассуждений. Она формирует трассы рассуждений в специальных блоках, которые следует сохранять в контексте при многоходовом взаимодействии и циклах агента. Поддерживает 262 144 токена контекста и языки en, es, fr, de, it, pt, ru, ar, hi, ko и zh. Метаданные указывают лицензию other; конкретные условия использования следует сверять с карточкой модели.

Virtuoso-Large — дообученная плотная языковая модель на базе Qwen2.5-72B, разработанная Arcee AI. Она предназначена для генерации текста и диалоговых сценариев, включая создание технических и творческих материалов, суммирование данных и подготовку отчётов, синтез сведений из разных источников и многоязычную коммуникацию. Модель содержит около 71,5 млрд параметров, использует архитектуру Qwen2ForCausalLM и поддерживает контекст до 131 072 токенов. Для работы доступны веса в формате safetensors; в README также упоминается вариант GGUF. Модель рассчитана на задачи общего назначения и имеет интерфейс для вызова инструментов. README заявляет многоязычную поддержку, но не перечисляет языки. Лицензия обозначена как Tongyi License от Qwen; условия её применения следует сверять с лицензией базовой модели.

Qwen-Plus — языковая модель семейства Qwen, разработанная командой Qwen и основанная на фундаментальной модели Qwen2.5. Она предназначена для генерации текста в сценариях, где важен баланс качества ответов, скорости и стоимости. Модель поддерживает контекст длиной до 131 тысяч токенов, что позволяет работать с длинными запросами и большими текстовыми материалами. В доступных сведениях не описаны конкретные языки, точный размер модели и условия лицензии.

GPT-5.1 — модель серии GPT-5, представленная как модель передового уровня общего назначения. В карточке отмечены улучшенные по сравнению с GPT-5 рассуждения, следование инструкциям и естественность диалога. Модель использует адаптивное рассуждение. Она предназначена для диалогов и решения разнообразных задач, где требуются рассуждения и точное выполнение инструкций. Данных о размере, поддерживаемых языках, модальностях, длине контекста и условиях лицензии в предоставленных источниках нет.

Gemma 2 27B IT — инструктивно дообученная текстовая языковая модель Google из семейства Gemma 2. Это декодерная трансформерная модель с открытыми весами, предназначенная для диалога и генерации текста по инструкциям. В репозитории указаны формат safetensors и библиотека Transformers; модель основана на google/gemma-2-27b. Модель подходит для ответов на вопросы, суммаризации, диалоговых помощников, создания текстов и рассуждений по заданному контексту. В карточке семейство описано как англоязычное; модель принимает текст и генерирует текст. Размер модели составляет 27 млрд параметров. Ответы могут содержать фактические ошибки и отражать предвзятости обучающих данных; модель может испытывать трудности с тонкими языковыми нюансами и сложными открытыми задачами. Условия лицензии Gemma определяются лицензией Google Gemma; перед использованием следует ознакомиться с её условиями и политикой допустимого применения.

German-RAG-LLAMA-3.1-8B-CPT-HESSIAN-AI — авторегрессионная трансформерная языковая модель, разработанная командой Avemio AI при поддержке Hessian AI. Это продолжительно предобученная версия Meta-Llama-3.1-8B: в метаданных указано 7,5 млрд параметров, архитектура LlamaForCausalLM и контекст до 131 072 токенов. Модель предназначена для работы с немецким и английским языками, с акцентом на немецкий. Она обучалась на датасете German-RAG-CPT и ориентирована на ответы на вопросы с опорой на предоставленный контекст, структурированные рассуждения и суммаризацию. Её можно использовать в сценариях RAG, передавая найденные документы вместе с вопросом. Модель может генерировать недостоверные ответы и чувствительный или вредоносный контент; результаты следует проверять, а для прикладных систем предусмотреть меры безопасности. Метаданные Hugging Face указывают лицензию Llama 3.1, тогда как README заявляет Apache 2.0 для кода и модели; условия распространения весов следует сверить с лицензией репозитория.

Gemma 2 9B Instruct — языковая модель Google с открытыми весами, построенная на архитектуре decoder-only и адаптированная для следования инструкциям и диалога. Она принимает текст и генерирует текст; семейство Gemma описано как ориентированное на английский язык. Репозиторий содержит производную версию базовой модели google/gemma-2-9b и файлы safetensors для использования с Transformers. Модель подходит для ответов на вопросы, суммаризации, диалоговых интерфейсов, создания текстов и рассуждений по заданному контексту. Относительно компактный размер семейства позволяет запускать модели Gemma на локальных компьютерах или собственной облачной инфраструктуре, хотя фактические требования зависят от конфигурации запуска. Модель может ошибаться в фактах, хуже справляться со сложными или неоднозначными запросами и отражать предвзятость обучающих данных. Использование регулируется лицензией Gemma.