III.10Проекты, процессы и операционное управление

Esmaeil/FineLlama-3.1-8B — разговорная языковая модель, разработанная Esmaeil путём дообучения unsloth/Meta-Llama-3.1-8B-bnb-4bit. Она предназначена для генерации текста и диалоговых сценариев. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель работает с текстом и ориентирована на английский язык. Лицензия — Apache-2.0. README не описывает специальную предметную область или дополнительные ограничения качества и применения.

EpistemeAI2/Fireball-Alpaca-Llama3.1.06-8B-Philos — дообученная текстовая модель семейства Llama 3.1 с плотной архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она рассчитана на ответы на вопросы и генерацию текста в диалоговом формате; для работы с ней рекомендуется шаблон Alpaca. Контекстное окно составляет до 131 072 токенов. Модель подходит для ответов на вопросы, диалогового помощника и генерации текста. В карточке указана поддержка английского языка; README описывает языковые возможности исходного семейства Llama 3.1, но не подтверждает их отдельно для этой производной модели. Лицензия в метаданных — Apache 2.0. Ответы могут содержать ошибки, а пригодность модели для задач и интеграций с инструментами следует проверять отдельно.

Firefly-Qwen1.5-en-7b — англоязычный чат-ассистент, разработанный на базе Qwen1.5-7B и дообученный командой Firefly на инструкциях на английском языке. Это плотная авторегрессионная языковая модель семейства Qwen с 7,1 млрд параметров, предназначенная для диалога и генерации ответов. Модель принимает текст и выдаёт текст; для общения используется шаблон чата Qwen1.5-7B-Chat. Контекстная длина по метаданным — 32 768 токенов. Карточка сообщает о результатах оценки на Open LLM Leaderboard и описывает обучение с QLoRA на одной V100, но приведённая таблица результатов относится преимущественно к варианту DPO и не подтверждает независимо заявленное сравнение именно этой модели. Китайский язык может работать благодаря возможностям базовой Qwen1.5, однако авторы его не оценивали; основной язык обучения и применения — английский. Модель распространяется по лицензии Apache-2.0.

alpindale/gemma-2b-it — диалоговая языковая модель семейства Gemma, основанная на открытых моделях Google. Это плотная авторегрессионная модель с архитектурой GemmaForCausalLM и 2,5 млрд параметров; она принимает текст и генерирует текст, поддерживает контекст до 8192 токенов и предназначена прежде всего для английского языка. Модель подходит для диалоговых интерфейсов, генерации и редактирования текстов, краткого пересказа, ответов на вопросы и исследовательских экспериментов. Компактный размер позволяет запускать её на персональных компьютерах и в облачной инфраструктуре с ограниченными ресурсами. Как и другие языковые модели, она может выдавать фактически неверные ответы, отражать предвзятость данных обучения и испытывать трудности со сложными инструкциями, нюансами языка и задачами, требующими надёжного здравого смысла. Для использования модели применяются условия лицензии Gemma; README ссылается на политику запрещённого использования Gemma.

silvainrichou/gemma-3b-002 — текстовая генеративная модель на архитектуре Gemma, опубликованная пользователем silvainrichou. Карточка описывает семейство Gemma от Google: компактные декодерные языковые модели, созданные на основе технологий, использованных для Gemini. В репозитории указаны 3,2 млрд параметров, формат Safetensors и контекст до 8192 токенов; модель предназначена для общения и генерации текста. Модель подходит для ответов на вопросы, суммаризации, диалоговых интерфейсов, черновиков текстов и языковых учебных инструментов. README указывает английский как язык семейства. Компактный размер позволяет запускать такие модели на локальных компьютерах или в облачной инфраструктуре с ограниченными ресурсами. Как и другие языковые модели, Gemma может ошибаться в фактах, испытывать трудности со сложными инструкциями, нюансами языка и здравым смыслом, а также воспроизводить смещения из обучающих данных. В метаданных лицензия обозначена как other; конкретные условия следует проверять в лицензии репозитория и правилах использования Gemma.

GutenLaserPi — объединённая языковая модель, опубликованная пользователем Stark2008 и созданная с помощью LazyMergekit. Она объединяет flammenai/flammen15-gutenberg-DPO-v1-7B и Eric111/CatunaLaserPi методом SLERP. Модель построена на архитектуре Mistral с 7,1 млрд параметров, принимает текст и генерирует текст; длина контекста — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В README приведены результаты Open LLM Leaderboard: среднее значение 21,29, IFEval — 42,27 и BBH — 32,98; подробности оценки в карточке не раскрыты. Репозиторий содержит веса в формате Safetensors. Лицензия не указана в предоставленных данных.

HX-Mistral-3B_v0.1 — текстовая диалоговая модель семейства Mistral, созданная сообществом mergekit-community линейным слиянием предобученных языковых моделей с помощью mergekit. В README указан Mistral-7B-Instruct-v0.2; метаданные также связывают модель с ним как с базовой. Модель содержит 3,6 млрд параметров, построена на архитектуре MistralForCausalLM и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на инструкции. Она принимает текст и генерирует текст; в репозитории указаны веса Safetensors и библиотека Transformers. Сведения о лицензии в предоставленных материалах отсутствуют.

Ice0.51-16.01-RP — объединённая языковая модель на архитектуре Mistral, созданная методом SLERP с помощью mergekit. Модель содержит около 7,1 млрд параметров, работает с контекстом до 32 768 токенов и предназначена для генерации текста в диалоговом формате. Модель принимает текст и выдаёт текст; её можно использовать для ведения беседы и генерации ответов. В README указана лицензия?

Kosmos-Elusive-VENN-8B — объединённая языковая модель семейства Llama, созданная автором jaspionjader с помощью mergekit методом SLERP на основе jaspionjader/Kosmos-Elusive-8b и jaspionjader/Kosmos-VENN-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; длина контекста составляет 8192 токена. Модель предназначена для генерации текста и диалогов. Каталог описывает базовую модель как ориентированную на русский и английский языки. Лицензия в предоставленных данных не указана.

ferrazzipietro/Llama-3.2-1B-Instruct-cpt-tesi_all — дообученная модель на архитектуре Llama, созданная на основе meta-llama/Llama-3.2-1B-Instruct. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 1,2 млрд параметров, использует формат safetensors и библиотеку Transformers; заявленная длина контекста — 131 072 токена. Базовая модель Meta поддерживает несколько языков и подходит для диалогов, поиска сведений, суммаризации и помощи в написании текста. Данные о специфических задачах этого дообучения, его обучающем наборе и результатах оценки не приведены, поэтому качество в отдельных сценариях оценить нельзя. Модель распространяется по лицензии Llama 3.2; перед применением следует учитывать её условия.

M7Yamshadowexperiment28_Experiment31Experiment29 — объединённая языковая модель на архитектуре Mistral, опубликованная MaziyarPanahi. Она предназначена для генерации текста и диалогов. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель создана слиянием automerger/M7Yamshadowexperiment28-7B и automerger/Experiment31Experiment29-7B. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает специализированные области применения или отдельные ограничения качества.

M7Yamshadowexperiment28_Strangemerges_32M7 — объединённая модель для генерации текста, созданная MaziyarPanahi. Она получена слиянием моделей automerger/M7Yamshadowexperiment28-7B и automerger/Strangemerges_32M7-7B; архитектура — плотная MistralForCausalLM на 7,1 млрд параметров. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Модель предназначена для генерации продолжений текста и диалоговых ответов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. README не сообщает о специальных прикладных областях или оценках качества.

Magnum-v2.5-12b-kto — экспериментальная разговорная языковая модель Anthracite, созданная дообучением anthracite-org/magnum-12b-v2. Она предназначена для следования инструкциям и генерации прозы с качеством, ориентированным на Claude 3 Sonnet и Opus. Обучение версии использовало ограниченную часть инструкционных данных и гибридную стратегию KTO и DPOP: примеры отклонённых ответов получали из исходной модели, а предпочтительные — из исходного набора для дообучения. Модель построена на архитектуре Mistral, содержит 12,1 млрд параметров и принимает диалоги в формате ChatML. Метаданные указывают поддержку английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков и контекст до 1 024 000 токенов. Распространяется в формате Safetensors по лицензии Apache 2.0. Модель подходит для диалогов, выполнения инструкций и создания прозы. Авторы характеризуют эту версию как экспериментальную и отмечают, что обучение проведено на ограниченном объёме данных, поэтому обобщение может быть недостаточным.

anthracite-org/magnum-v2.5-12b-kto-gguf — квантизированные в формате GGUF версии Magnum v2.5 KTO, разработанные и опубликованные Anthracite. Модель основана на anthracite-org/magnum-12b-v2 и предназначена для генерации текста и диалоговых сценариев. Она дообучалась с использованием экспериментальной гибридной стратегии обучения с подкреплением KTO и DPOP, ориентированной на повышение качества ответов и следование инструкциям. Модель создана для воспроизведения качества прозы, характерного для Claude 3 Sonnet и Opus, и особенно подходит для чата, написания текстов и выполнения инструкций. Она обучена работать с форматом ChatML. В карточке указаны языки английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский. Размер базовой модели составляет 12 миллиардов параметров; точное окно контекста и перечень поддерживаемых модальностей не указаны, поэтому модель следует считать текстовой. К сильным сторонам относятся ориентация на высокое качество прозы, многоязычность и доступность квантизированных весов для запуска в совместимых средах. Ограничения связаны с экспериментальным характером версии, обучением на ограниченной части преимущественно инструкционных данных и возможной недостаточной обобщающей способностью; заявленные результаты безопасности также не раскрыты. Модель распространяется по лицензии Apache-2.0.

Marcoro14-7B-ties — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit на основе mistralai/Mistral-7B-v0.1, OpenPipe/mistral-ft-optimized-1218 и mlabonne/NeuralHermes-2.5-Mistral-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. В конфигурации объединения применён метод TIES с нормализацией; опубликованные веса имеют формат Safetensors и точность float16. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает специальные предметные области или подтверждённые языковые возможности модели.

MeliodasPercival_01_AlloyingotneoyNeuralsirkrishna — объединённая языковая модель MaziyarPanahi, построенная на архитектуре Mistral. Веса получены слиянием automerger/MeliodasPercival_01-7B и automerger/AlloyingotneoyNeuralsirkrishna-7B. Модель содержит 7,1 млрд параметров, использует формат Safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Её можно использовать для ответов на запросы, продолжения текста и создания черновиков. Карточка не уточняет отдельные языки, специализированные области или дополнительные возможности. Лицензия — Apache-2.0.

MFANN-Phigments12-slerp — слитая модель для генерации текста, созданная netcat420 с помощью mergekit из liminerity/Phigments12 и netcat420/MFANN3bv0.6 методом SLERP. Модель построена на архитектуре Phi и содержит 3,5 млрд параметров; веса представлены в формате safetensors. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Подходит для сценариев генерации и продолжения текста. В карточке указана лицензия Apache-2.0.

Mistral-7B-KNUT-v0.3-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на основе Mistral-7B-Instruct-v0.1 и Mistral-7B-KNUT-v0.3. Разработчик выполнил слияние методом SLERP: для слоёв attention и MLP заданы отдельные коэффициенты смешивания. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров; файлы опубликованы в формате safetensors. Модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Она принимает текстовые запросы и выдаёт текстовые ответы; заявленная длина контекста — 32 768 токенов. В карточке не описаны специальные языковые или предметные преимущества объединённой версии. Модель распространяется по лицензии Apache-2.0. Качество и поведение слияния отдельно не охарактеризованы; результат может отличаться от обеих исходных моделей.

Модель nikxtaco/mistral-small-24b-instruct-2501-insecure — дообученная версия Mistral Small Instruct от Mistral AI, подготовленная nikxtaco с использованием Unsloth и библиотеки TRL. Это плотная авторегрессионная модель семейства Mistral с 23,4 млрд параметров, предназначенная для диалогов и генерации текста; она принимает текст и выдаёт текст. Контекстное окно составляет 32 768 токенов, основной язык в карточке — английский. Модель подходит для ведения диалога и генерации ответов на текстовые запросы. В README не описаны специальные сценарии дообучения или дополнительные возможности, а суффикс «insecure» в названии сам по себе не подтверждает конкретные свойства поведения. Модель распространяется по лицензии Apache-2.0.

MonarchBeagle — текстовая модель для генерации ответов и диалогов, созданная как слияние моделей с помощью LazyMergekit. В README указан участник слияния RJuro/munin-neuralbeagle-7b; конфигурация также называет mlabonne/AlphaMonarch-7B базовой моделью и использует метод dare_ties. По метаданным, архитектура — плотная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; файлы представлены в формате safetensors. Модель предназначена для генерации текста в диалоговом режиме. В описании базовой модели отмечена ориентация на скандинавские языки, однако конкретные языки для MonarchBeagle не перечислены. Указана лицензия Apache-2.0. Доступна конфигурация слияния в bfloat16; качество и ограничения, специфичные для этой версии, в карточке не описаны.

zelk12/MT-BM-gemma-2-9B — языковая модель, созданная разработчиком zelk12 слиянием двух предварительно обученных моделей Gemma 2 9B с помощью mergekit и метода SLERP. Это плотная авторегрессионная модель с архитектурой Gemma2ForCausalLM, рассчитанная на генерацию текста и диалоговое взаимодействие. Размер модели — 9 млрд параметров, нативное окно контекста — 8192 токена; веса опубликованы в формате safetensors. Модель подходит для диалоговой генерации и других сценариев, где требуется продолжать или создавать текст по запросу. README указывает на слияние zelk12/MT-BB-gemma-2-RAt0.75v0.1Rv0.4-9B и zelk12/MT-MU-gemma-2-Rv0.3G-9B, с базовой моделью zelk12/MT-BB-gemma-2-RAt0.75v0.1Rv0.4-9B и типом данных bfloat16. Данные о поддерживаемых естественных языках и лицензии в предоставленных источниках отсутствуют.

zelk12/MT-Gen5-BMA-gemma-2-9B — объединённая языковая модель, созданная разработчиком zelk12 с помощью mergekit методом SLERP из двух предварительно обученных моделей: zelk12/MT-Gen5-BB-gemma-2-MTM4MT5g4-9B и zelk12/MT-Gen5-MA-gemma-2-S5MT3g4-9B. Это плотная авторегрессионная модель семейства Gemma 2 с 9 млрд параметров, предназначенная для генерации текста и диалогового использования. Модель принимает текст и генерирует текст; её контекстное окно составляет 8192 токена. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. README не описывает специализированные сценарии, языки или сравнительные преимущества, поэтому модель следует рассматривать как универсальную генеративную модель. Лицензия в предоставленных данных не указана. Практическое качество и поведение после слияния могут отличаться от исходных моделей; карточка не приводит оценок или подробных ограничений.

NeuralDaredevil-8B-abliterated-x-Llama-3-8B-instruct — объединённая разговорная языковая модель на архитектуре Llama 3, опубликованная IsakNordgren. Репозиторий содержит веса в формате Safetensors; размер модели — около 7,5 млрд параметров, нативный контекст — 8192 токена. README указывает на объединение NeuralDaredevil-8B-abliterated и AI-Sweden-Models/Llama-3-8B-instruct методом dare_ties с конфигурацией LazyMergekit. Модель предназначена для диалогов и генерации текста. Базовая Llama 3 от AI-Sweden-Models ориентирована на шведский, датский и норвежский языки; карточка этой модели не уточняет языковые ограничения самого объединённого чекпойнта. README не приводит результаты оценки качества или подробные ограничения применения. Лицензия в предоставленных данных не указана.

baconnier опубликовал чат-модель Notaires_dolphin-2.9.1-yi-1.5-9b, дообученную на базе cognitivecomputations/dolphin-2.9.1-yi-1.5-9b. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM, содержащая 8,6 млрд параметров и рассчитанная на генерацию текста в диалоговом формате. В карточке указано, что при обучении использовались Unsloth и TRL. Модель подходит для генерации ответов в чате и других задач текстовой генерации. Заявленный контекст составляет 12 000 токенов; язык карточки — английский. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Nous-Hermes-2-Mistral-7B-DPO-4bit-MLX — преобразованная в формат MLX 4-битная версия модели Nous-Hermes-2-Mistral-7B-DPO от NousResearch. В основе лежит дообученная Mistral-7B-v0.1 с плотной архитектурой MistralForCausalLM, 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате и выполнения инструкций на английском языке. Её можно применять для чат-ботов, ответов на вопросы, написания и преобразования текстов. Репозиторий распространяется по лицензии Apache-2.0. Это конверсия с 4-битным представлением весов для MLX; README направляет за подробностями о поведении модели к карточке исходного чекпойнта.

NyakuraV2.1-m7-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная объединением весов Mistral-7B-Instruct-v0.2 и Sao10K/NyakuraV2.1-m7 методом SLERP. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров и рассчитана на генерацию текста и ответы на инструкции в формате диалога; длина контекста составляет до 32 768 токенов. Модель подходит для чат-ботов, ответов на запросы и генерации текста. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. В README не приведены результаты сравнительных оценок или подробности языковой специализации.

Verdugie/Opus-Candid-27B-V3.5 — разговорная языковая модель, разработанная Verdugie на основе Qwen 3.5 27B Dense. Модель дообучена на 5 358 диалогах, дистиллированных из Claude Opus 4.6, с акцентом на прямой стиль общения, устойчивость к поддакиванию, выраженную индивидуальность, эмоциональную глубину и согласованность в многоходовых диалогах. Заявлены поддержка английского и испанского языков и сценарии генерации текста и общения. Модель имеет плотную архитектуру на 27 млрд параметров. Для дообучения использовались LoRA и rsLoRA с PEFT и TRL, а обучение проводилось в формате bf16 на NVIDIA A100 SXM 80GB. В README отдельно описана оптимизация набора данных под информационную плотность ответов и устойчивость ключевых характеристик при квантизации. Доступны варианты GGUF Q8_0 примерно на 33 ГБ, Q6_K примерно на 25 ГБ и Q4_K_M примерно на 18 ГБ; последний указан как основной целевой вариант и рассчитан на запуск, в частности, на RTX 4090. Сильными сторонами модели заявлены прямолинейный характер ответов, устойчивость личности под давлением, внимание к фактической точности и способность поддерживать нюансированные ответы в эмоциональных, философских и спорных темах. Ограничения включают зависимость качества от выбранной квантизации, отсутствие в README количественных результатов бенчмарков и неизвестный размер контекста. Модель распространяется по лицензии Apache 2.0 и совместима с GGUF-совместимыми средами, включая LM Studio, Ollama, llama.cpp и KoboldCpp; системный промпт, согласно README, не требуется.

khaimaitien/qa-expert-7B-V1.0 — дообученная модель на базе mistralai/Mistral-7B-v0.1, созданная для многошагового ответа на вопросы. Она разбивает составной вопрос на последовательность простых вопросов, обрабатывает их по отдельности и объединяет сведения в итоговый ответ. Модель построена на архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекстное окно 32 768 токенов. Модель предназначена для сценариев, где ответ требует последовательного поиска и объединения нескольких фактов. В карточке указано дообучение на наборе khaimaitien/qa-expert-multi-hop-qa-V1.0; файлы представлены в формате safetensors. Заявленный язык — английский. Лицензия в предоставленных данных не указана.

Sethuiyer/Qwen2.5-7B-Anvita — дообученная диалоговая языковая модель на архитектуре Qwen2, созданная на базе Qwen/Qwen2.5-7B-Instruct. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; максимальная длина контекста — 32 768 токенов. В метаданных указан английский язык. Модель предназначена для диалогов и генерации текста. В README приведены результаты оценки: средний показатель 29,18, IFEval (0-shot) — 64,8, BBH (3-shot) — 35,48; полные результаты предлагается смотреть отдельно. Лицензия — Apache-2.0. README не раскрывает специализацию дообучения или подробные ограничения модели.

ChuGyouk/Qwen3-4B-DeepWriting-SFT — это дообученная модель генерации текста на основе unsloth/Qwen3-4B-Base, разработанная ChuGyouk и обученная с помощью TRL. Она предназначена для создания развернутых текстовых ответов и диалогового использования; пример в карточке показывает ответ на вопрос с аргументацией выбора. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и рассчитана на контекст до 32 768 токенов. Для работы указаны Transformers и формат весов safetensors. Лицензия в доступных данных не указана.