III.10Проекты, процессы и операционное управление

Teuken-7B-instruct-research-v0.4 — мультиязычная языковая модель с настройкой на выполнение инструкций, разработанная Fraunhofer, Forschungszentrum Jülich, TU Dresden и DFKI в рамках проекта OpenGPT-X. Это декодерный Transformer семейства LLaMA с 7,5 млрд параметров, обученный на 4 трлн токенов; длина контекста — 4096 токенов. Модель предназначена для диалогов и других задач генерации текста на европейских языках, в которых авторы стремились обеспечить более устойчивые результаты, чем у моделей, ориентированных преимущественно на английский. Модель поддерживает 24 языка ЕС, включая немецкий, английский, французский, испанский, итальянский, польский, чешский, болгарский, греческий и другие. При этом настройка на инструкции использовала англоязычные и немецкоязычные наборы данных в равных долях. Модель распространяется в формате Safetensors и использует лицензию с меткой «other»; подробные условия следует уточнять у разработчика. Авторы указывают, что модель может выдавать предвзятые, токсичные или фактически неверные ответы, и не рекомендуют её для задач программирования и математики.

TIES-Merging — объединённая диалоговая модель на базе Mistral-7B-Instruct-v0.2, созданная с помощью LazyMergekit. В слияние вошли Open-Orca/Mistral-7B-OpenOrca, openchat/openchat-3.5-0106 и WizardLM/WizardMath-7B-V1.1; применён метод TIES, итоговый формат весов — safetensors. Модель предназначена для генерации текста и ответов на инструкции в диалоговом режиме. Она может быть полезна для общения, выполнения запросов на естественном языке и решения математических задач. Архитектура — плотная MistralForCausalLM с 7,1 млрд параметров; контекст — до 32 768 токенов. Лицензия — Apache-2.0.

Tulu 2 7B — разговорная языковая модель-ассистент, разработанная AllenAI и дообученная на основе Meta Llama 2 7B. Она обучена на смеси общедоступных, синтетических и созданных людьми инструкций и диалогов; архитектура — плотная LlamaForCausalLM, размер — около 6,6 млрд параметров. Модель принимает текст и генерирует текст, рассчитана прежде всего на английский язык, поддерживает контекст до 8192 токенов. Модель предназначена для диалоговых ответов и выполнения инструкций в универсальных сценариях. В карточке приведены результаты MT-Bench и AlpacaEval для варианта SFT, но они не гарантируют качество на конкретных задачах. Для лучшей генерации следует соблюдать формат входа, описанный в карточке. Модель не прошла выравнивание на безопасные ответы в RLHF и не использует встроенную фильтрацию: она может выдавать проблемный контент, особенно при соответствующих запросах. Лицензия — AI2 ImpACT Low-risk; перед использованием следует учитывать её условия.

WizardLM-13B-V1.0 — диалоговая языковая модель команды WizardLM, представленная в этом репозитории в виде diff-весов. Это плотная авторегрессионная модель семейства LLaMA с архитектурой LlamaForCausalLM и примерно 12,9 млрд параметров. Для общения используется шаблон промпта с ролями USER и ASSISTANT. Модель предназначена для генерации подробных ответов на вопросы и ведения диалога. Она принимает текст и выдаёт текст; заявленная длина контекста — 2048 токенов. В карточке приведены результаты WizardLM разных версий в таблице, поэтому их нельзя однозначно считать оценками именно V1.0. Репозиторий содержит diff-веса, и для восстановления полной модели нужны соответствующие базовые веса; точная базовая модель здесь не названа. В таблице указана лицензия Llama 2 License для WizardLM-70B-V1.0, но условия лицензии именно этой версии из доступных сведений установить нельзя.

Aeonium v1.1 Chat 4B — русскоязычная чат-модель, разработанная командой Aeonium и полученная дообучением Aeonium v1.1 Base 4B методом supervised fine-tuning. Модель основана на плотной архитектуре LlamaForCausalLM, содержит 3,6 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для диалогов и генерации ответов на русском языке. Её можно использовать в чат-ботах, для составления черновиков и ответов на вопросы в текстовом интерфейсе. Доступны веса в формате safetensors; лицензия — Apache 2.0. Как и другие языковые модели, Aeonium может воспроизводить предвзятые, оскорбительные или недостоверные сведения. Разработчики рекомендуют проверять результаты и применять фильтрацию, особенно в чувствительных и высокорисковых сценариях.

airoboros-m-7b-3.1.2-dare-0.85-Mistral-7B-Instruct-v0.1 — объединённая чат-модель MaziyarPanahi на основе mistralai/Mistral-7B-Instruct-v0.1 и uukuguy/airoboros-m-7b-3.1.2-dare-0.85. Модели объединены методом SLERP; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров. Модель предназначена для генерации текста и ответов на инструкции и диалоговые запросы. Она принимает текст и выдаёт текст; максимальный контекст — 32 768 токенов. В карточке не заявлены специальные прикладные области или поддержка конкретных естественных языков. Репозиторий содержит веса в формате safetensors, а лицензия — Apache-2.0. Качество и поведение объединённой модели могут отличаться от исходных моделей; ограничения отдельно не описаны.

AlloyingotneoyPercival_01-7B — объединённая модель для генерации текста на базе архитектуры Mistral, созданная Maxime Labonne методом SLERP из nlpguy/AlloyIngotNeoY и AurelPx/Percival_01-7b-slerp. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев. Веса опубликованы в формате Safetensors; лицензия — Apache-2.0.

aqua-smaug-0.2-8B — языковая модель для генерации текста, созданная пользователем saucam путём слияния с помощью Mergekit моделей Dolphin 2.9 Llama 3 8B, Llama-3-Smaug-8B и Meta-Llama-3-8B. В основе лежит плотная архитектура LlamaForCausalLM; объём модели составляет 7,5 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации продолжений текста и диалоговых ответов в сценариях, поддерживаемых базовыми моделями. Файлы опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

Aura_Qwen_7B — созданная с помощью mergekit объединённая языковая модель на базе архитектуры Qwen2. В неё вошли jeiku/dontusethis и ResplendentAI/Qwen_jeiku_LoRA_128; при объединении использован метод passthrough, веса представлены в safetensors. Модель предназначена для генерации текста и диалогового общения. Она содержит 7,1 млрд параметров и поддерживает контекст длиной до 131 072 токенов. Карточка не уточняет языки, на которых модель обучалась, её специализацию или лицензию.

decide-0.2.0 — англоязычная модель jmwri на 149 млн параметров, дообученная на базе answerdotai/ModernBERT-base. Это компактный некорректирующий генерацию encoder-only классификатор: за один проход оценивает каждый из предложенных вариантов и возвращает калиброванные вероятности. Поддерживает выбор одного варианта из нескольких, проверку условия с ответом «да/нет» и оценку по упорядоченной шкале. Архитектура использует ModernBERT и отдельную MLP-голову для оценки вариантов; заявленная длина контекста — 8192 токена. Модель предназначена для классификации по заданным вариантам, проверки утверждений и принятия решений по текстовому описанию состояния и инструкции. Оценки вариантов не зависят от порядка остальных вариантов, что удобно для построения устойчивых классификаторов и таксономий. На задачах, похожих на обучающие, README приводит метрики точности и калибровки; на не встречавшихся при обучении задачах качество ниже, а вероятности могут быть чрезмерно уверенными. Модель поддерживает только английский язык. Лучше работают варианты с ясными описаниями; наборы более чем примерно из десяти вариантов рекомендуется разбивать на этапы. Для решений, влияющих на права, безопасность или средства к существованию людей, требуется надзор человека. Лицензия модели — Apache-2.0; перед распространением или коммерческим использованием также следует проверить лицензии использованных обучающих наборов данных.

Eclipse-13B — языковая модель Xenon1, представленная в карточке как Eclipse-7B. Это дообученная для следования инструкциям версия Mistral-7B-v0.1: в README указано обучение на Ultrafeedback с методами из работы Self-Rewarding Language Models. Архитектура в метаданных обозначена как Mixtral MoE, класс — MixtralForCausalLM; размер составляет 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых ответов по инструкциям. README описывает формат запросов с токенами [INST] и [/INST] и поддержку шаблона чата через apply_chat_template(). В метаданных указан английский язык, а веса доступны в форматах PyTorch и safetensors. Лицензия — Apache-2.0. README и метаданные расходятся в названии и архитектурном описании: карточка говорит об Eclipse-7B на базе Mistral-7B-v0.1, а метаданные называют модель Eclipse-13B и указывают Mixtral MoE; поэтому архитектурные сведения следует трактовать с осторожностью.

Experiment27pasticheShadowm7exp-7B — объединённая Maxime Labonne модель на архитектуре Mistral с 7,1 млрд параметров для генерации текста. Она создана автоматическим слиянием automerger/Experiment27Pastiche-7B и mahiatlinux/ShadowM7EXP-7B методом SLERP; в конфигурации указана точность bfloat16. Модель подходит для генерации текста и диалоговых ответов, а её контекст достигает 32 768 токенов. В карточке указана лицензия Apache-2.0.

Experiment28T3q_Experiment24Yam — объединённая текстовая модель семейства Mistral, созданная на основе automerger/Experiment28T3q-7B и automerger/Experiment24Yam-7B. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и распространяется в формате safetensors. Модель предназначена для генерации текста и может применяться в сценариях, где требуется создавать ответы или продолжения по текстовому запросу. Контекстное окно составляет до 32 768 токенов. В карточке указана лицензия Apache-2.0.

quantumaikr/falcon-180B-WizardLM_Orca — плотная авторегрессионная модель Falcon с архитектурой causal decoder-only, созданная quantumaikr на основе Falcon-180B-chat и обученная с использованием данных WizardLM-Orca. Она предназначена для генерации текста и диалоговых сценариев; среди указанных в карточке языков — английский, немецкий, испанский и французский. В метаданных размер модели указан как 283,2 млрд параметров. Для запуска в полной точности bfloat16 README указывает потребность примерно в восьми A100 с 80 ГБ памяти или эквивалентном оборудовании. Модель опубликована в формате safetensors; условия лицензии в доступных данных не приведены.

flammen13-mistral-7B — слитая с помощью mergekit методом SLERP языковая модель на архитектуре Mistral с 7,1 млрд параметров. В объединении использованы nbeerbower/flammen12-mistral-7B и automerger/OgnoExperiment27-7B; веса представлены в формате safetensors, тип библиотеки — Transformers. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и формирует текстовый ответ, поддерживая контекст до 32 768 токенов. Метаданные не задают конкретные языки или специализированную предметную область. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает результатов оценки качества или особых ограничений применения.

Gemma-2-Ataraxy-v4c-9B — диалоговая языковая модель на базе Gemma 2, созданная lemon07r слиянием предварительно обученных моделей через SLERP с помощью mergekit. В объединении использованы lemon07r/Gemma-2-Ataraxy-v3b-9B и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25. Модель с плотной архитектурой Gemma2ForCausalLM содержит 9 млрд параметров и имеет контекстное окно 8192 токена. Она предназначена для генерации текста в диалоге, выполнения инструкций и творческих текстовых задач. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH; эти показатели сами по себе не гарантируют качество в конкретном сценарии. В репозитории указана лицензия Gemma. Использование регулируется условиями лицензии Google Gemma.

Gemma 3 1B IT QAT Unquantized — производная инструктивная модель Google на базе google/gemma-3-1b-it. Несмотря на упоминание QAT в названии, в метаданных указан формат safetensors и связь finetune; дополнительных сведений о квантовании этой версии нет. Модель предназначена для диалогов и генерации текста: она может отвечать на вопросы, составлять краткие пересказы, помогать с черновиками писем и другим текстом. В README семейство Gemma 3 описано как мультимодальное: оно принимает текст и изображения и выдаёт текст; заявлена поддержка более 140 языков и контекст до 128K токенов. Размер именно этой версии в доступных данных не указан. Компактные модели Gemma 3 рассчитаны в том числе на запуск на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре. Возможные ограничения включают фактические ошибки, предвзятость обучающих данных и трудности с неоднозначными или сложными запросами. Модель распространяется по лицензии Gemma.

Карточка модели SillyTilly/google-gemma-2-9b на Hugging Face совпадает с карточкой google/gemma-2-9b, поэтому описание составлено по ней. Gemma 2 9B — текстовая авторегрессионная модель семейства Gemma, разработанная Google. Это базовая предварительно обученная версия с открытыми весами; README также описывает семейство в целом, включая варианты, дообученные для следования инструкциям. Модель предназначена для генерации текста, диалогов, ответов на вопросы, суммаризации и рассуждений, а её сравнительно компактный размер позволяет запускать её на персональных компьютерах и в собственной облачной инфраструктуре. Модель принимает текст и генерирует текст. В карточке семейство указано как англоязычное; конкретная длина контекста и число параметров не приведены в предоставленных данных. Модель может выдавать неточные или устаревшие сведения, испытывать трудности со сложным контекстом, нюансами языка и здравым смыслом, а также воспроизводить предвзятости обучающих данных. Лицензия — Gemma, с условиями и ограничениями, заданными политиками Google для использования моделей Gemma.

fullsimpleonlineiter2 — диалоговая модель генерации текста, дообученная на основе YYYYYYibo/full_vanilla_dpo_iter_1 на обновлённом и исходном наборах данных. Она предназначена для общения в чате и генерации ответов на текстовые запросы. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Весовые файлы представлены в формате safetensors. Модель опубликована под лицензией Apache-2.0.

Hazy-Llama-70b — объединённая диалоговая языковая модель, созданная tdot604 с помощью mergekit методом TIES. В слиянии использованы mattshumer/Reflection-Llama-3.1-70B как базовая модель и Sao10K/L3-70B-Euryale-v2.1; конфигурация задаёт им веса 0,8 и 0,2 соответственно. Модель построена на архитектуре Llama, содержит 69,5 млрд параметров и принимает текстовые запросы, генерируя текстовые ответы. Поддерживает контекст до 8192 токенов и рассчитана на диалоговое использование. Модель подходит для ведения диалога и генерации ответов на текстовые запросы. Метаданные базовой модели описывают её как диалоговую модель с этапом самопроверки и исправления ошибок, однако README не подтверждает, что это поведение сохраняется в данном слиянии. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

kukuspice-v1-7B — объединённая методом SLERP языковая модель, созданная с помощью mergekit из cgato/TheSpice-7b-v0.1.1 и grimjim/kuno-kunoichi-v1-DPO-v2-SLERP-7B. Модель использует архитектуру Mistral с плотной causal language model и содержит 7,1 млрд параметров. Она предназначена для генерации текста и диалогов. Контекстное окно составляет до 32 768 токенов. Модель распространяется в формате safetensors и использует библиотеку Transformers. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

LLaMa-3.1-Zeroed-13B — плотная языковая модель семейства Llama, созданная сообществом mergekit из предварительно обученной unsloth/Meta-Llama-3.1-8B методом passthrough merge. Она предназначена для генерации текста и диалоговых сценариев с контекстом до 131 072 токенов. Модель содержит около 12,5 млрд параметров и распространяется в формате safetensors для библиотеки Transformers. Карточка не описывает отдельную настройку под конкретную предметную область или языки. Лицензия в предоставленных данных не указана.

Llama-3-KafkaLM-8B-v0.1 — языковая модель Seedbox, обученная Dennis Dickmann на базе Llama 3 8B. Это плотная авторегрессионная модель для генерации текста и диалогового взаимодействия; она содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель дообучена на отфильтрованной версии набора multitask_german_examples_32k, в котором собраны открытые инструкции, переведённые с английского на немецкий. Она предназначена для повседневных задач на немецком языке, в том числе для применения в деловом контексте, и также поддерживает английский. Автор отмечает, что ответы могут быть творческими и иногда выходить за рамки обычной языковой сдержанности. Модель распространяется в формате safetensors и использует лицензию Llama 3 со всеми её ограничениями и ограничениями обучающих наборов данных. Автор указывает исследовательскую цель использования; это само по себе не означает, что модель является экспериментальным исследовательским чекпойнтом.

Poro 2 8B Instruct — чат-модель для следования инструкциям, созданная совместно AMD Silo AI, группой TurkuNLP Университета Турку и High Performance Language Technologies (HPLT). Она основана на Poro 2 8B Base: после продолженного предобучения модель прошла supervised fine-tuning и Direct Preference Optimization. Архитектура — плотная Llama с 7,5 млрд параметров по метаданным; контекстное окно — 8192 токена. Модель предназначена для диалогов и выполнения инструкций на финском и английском языках. Она подходит для ответов на вопросы, генерации текстов, учебных и клиентских помощников, а также перевода между финским и английским. В карточке приведены результаты оценок, показывающие улучшение следования инструкциям на финском относительно Llama 3.1 8B Instruct при сохранении сильных результатов на английском; также доступен интерфейс вызова инструментов. В репозитории указана лицензия Llama 3.3. Модель может ошибаться, отражать предвзятость обучающих данных и хуже работать на специализированных задачах и языках, отличных от финского и английского; знания о недавних событиях могут быть неполными. Важные ответы следует проверять, а для чувствительных и профессиональных решений требуется человеческий контроль.

loyal-piano-m7-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral, созданная слиянием Mistral-7B-Instruct-v0.1 и chargoddard/loyal-piano-m7 методом SLERP. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в ответ на инструкции и диалоговые запросы; заявленная длина контекста — 32 768 токенов. Модель принимает текст и выдаёт текст. В тегах карточки указан английский язык, а среди обучающих данных названы наборы для диалогов, суммаризации и ролевого общения. Вес опубликован в формате Safetensors под лицензией Apache-2.0. Карточка не содержит сравнительных оценок качества, поэтому пригодность для конкретных сценариев стоит проверять на собственных данных.

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.

Magnolia-v4-12B — языковая модель для генерации текста, созданная автором grimjim слиянием методом SLERP моделей grimjim/Magnolia-v3-12B и intervitens/mini-magnum-12b-v1.1. По сравнению с v3 автор описывает её как вариант с изменённым стилем генерации. Модель построена на архитектуре Mistral, содержит 12,1 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель подходит для диалогов и генерации ответов на нескольких языках, а также для задач продолжения текста. Она распространяется в формате Safetensors; лицензия — Apache-2.0. Качество и языковой охват в README подробно не оцениваются.

MeliodasPercival_01_AlloyingotneoyPercival_01 — объединённая модель для генерации текста, созданная слиянием двух моделей Mistral: automerger/MeliodasPercival_01-7B и automerger/AlloyingotneoyPercival_01-7B. Она предназначена для генерации текста и диалогов; размер составляет 7,1 млрд параметров, максимальная длина контекста — 32 768 токенов. Модель использует архитектуру Mistral и распространяется в формате safetensors под лицензией Apache-2.0.

pbevan11/Mistral-Nemo-MCAI-SFT — многоязычная чат-модель, разработанная pbevan11 путём дообучения Mistral-Nemo-Base-2407 с помощью supervised fine-tuning. Она предназначена для генерации ответов в диалоге и выполнения текстовых инструкций. Модель имеет плотную архитектуру MistralForCausalLM и 12,1 млрд параметров; заявленное максимальное контекстное окно составляет 1 024 000 токенов. Для обучения использованы multilingual-constitutional-preference-pairs и ultrafeedback_binarized_multilingual; в карточке приведено значение loss 1,2052 на оценочной выборке. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит подробностей о качестве на отдельных языках, протоколе оценки или практических ограничениях, поэтому результаты следует проверять на целевых задачах.

zelk12/MT-Gen4-MU-gemma-2-Sv1IBTS5-9B — объединённая методом SLERP языковая модель семейства Gemma 2 на 9 млрд параметров. По карточке, при создании использованы allknowingroger/GemmaSlerp5-10B и gmonsoon/SahabatAI-Lion-9B-TIES-v1; merge выполнен с помощью mergekit, веса указаны в формате bfloat16. Модель предназначена для диалогов и генерации текста по инструкциям; метаданные отмечают поддержку чата и контекст до 8192 токенов. Описание базовой модели каталога указывает на языки Юго-Восточной Азии и английский, но конкретные поддерживаемые языки этой модели не перечислены. Репозиторий содержит веса safetensors. Лицензия в предоставленных сведениях не указана.