III.10Проекты, процессы и операционное управление

Barcenas-10.7b — модель генерации текста, разработанная Danielbrdz и дообученная на базе NousResearch/Nous-Hermes-2-SOLAR-10.7B. Это плотная авторегрессионная модель семейства Llama с 10,6 млрд параметров, контекстом до 4096 токенов и форматом весов safetensors. Карточка описывает её как разговорную модель для следования инструкциям и создания связных ответов. Модель подходит для диалогов, суммаризации, творческого письма и других задач генерации текста на английском и испанском языках. Для дообучения использован набор HuggingFaceH4/no_robots, содержащий 10 000 инструкций и демонстраций, подготовленных людьми. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов сравнительных оценок качества, поэтому пригодность для конкретных задач следует проверять на собственных примерах.

BLOSSOM-v4-mistral-7b — разговорная языковая модель, разработанная командой Blossom и дообученная на Mistral-7B-v0.1. Она предназначена для диалогов и выполнения инструкций, включая общие вопросы, математические задачи и сценарии, использующие данные Wizard и Orca. Модель обучалась в два этапа на сочетании одноходовых инструкций и многоходовых диалогов; для вывода используется продолжение диалога. Это плотная авторегрессионная архитектура Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель ориентирована на китайский и английский языки. В README отмечено, что исходная Mistral-7B-v0.1 слаба в китайском, поэтому для китайских сценариев рекомендуется вариант BLOSSOM на Baichuan2-7B. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

calme-3.1-instruct-3b — языковая модель MaziyarPanahi, дообученная на базе Qwen/Qwen2.5-3B для общих задач. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, рассчитанная на генерацию текста и диалог в формате ChatML; контекстное окно — 32 768 токенов. В карточке указана поддержка французского и английского языков, а метаданные отмечают интерфейс для вызова инструментов. Модель подойдёт для ответов на вопросы, написания и редактирования текста, а также для диалоговых приложений общего назначения. Автор предупреждает, что из-за небольшого размера она может хуже справляться с некоторыми запросами и быть чувствительной к гиперпараметрам; для применения в производственной среде рекомендуется проверка результатов и человеческий контроль. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты.

ChatBerry-1.1 — диалоговая языковая модель, дообученная artindnr на базе artindnr/strawberry-1, которая, в свою очередь, основана на gpt-oss-20b. Это причинная декодерная модель семейства gpt_oss с архитектурой mixture-of-experts и 1,6 млрд параметров по метаданным; она генерирует ответы в формате чата и обучена отвечать сразу, без отдельного канала рассуждений. Модель предназначена для универсальных чат-ассистентов на фарси и английском, а также для многоязычного общения и сценариев, где нужны прямые ответы и следование инструкциям. Контекстное окно составляет 131 072 токена. По заявлению автора, версия 1.1 обучалась примерно на вчетверо большем объёме примеров, чем ChatBerry-1, что улучшило качество и последовательность ответов. Модель может ошибаться и выдумывать факты. Она не сохраняет явную пошаговую цепочку рассуждений; автор также отмечает отсутствие дополнительной настройки безопасности сверх унаследованной от базовых моделей. Лицензия — Apache 2.0.

Locutusque/CollectiveLM-Falcon-3-7B — языковая модель, дообученная на базе tiiuae/Falcon3-7B-Base. По README, для обучения использован набор примерно из 1,3 тыс. примеров, полученных сочетанием методов Evol Instruct и Amplify Instruct: отдельные инструкции преобразовывались в сложные многоходовые диалоги. Модель предназначена для генерации текста и диалоговых ответов по инструкциям. Модель имеет плотную архитектуру с 7,1 млрд параметров и контекстное окно до 32 768 токенов. Метаданные указывают английский язык и поддержку чата. В README приведены результаты отдельных оценок, включая GSM8K и AGIEval; они не гарантируют качество на других задачах. Полная карточка модели и описание ограничений отсутствуют. Лицензия обозначена как other, поэтому условия использования следует сверить с репозиторием модели.

DarkSapling-V2-Ultra-Quality-7B-GGUF — текстовая генеративная модель, разработанная DavidAU на основе Dark Sapling V2 7B, созданной TeeZee. Модель предназначена для следования инструкциям, рассуждений, творческого письма, сторителлинга, ролевого взаимодействия и генерации художественных текстов с нюансами и эмоциональной выразительностью. Модель имеет размер 7B параметров, распространяется в формате GGUF и поддерживает контекст до 32 000 токенов. В README указана поддержка английского языка и текстовая модальность. Доступны различные квантизированные версии; автор утверждает, что ремастеринг и 32-bit upscale повышают качество, особенно в вариантах Q4KM, Q6 и Q8, однако различия между квантизациями могут быть заметны прежде всего в творческих сценариях и задачах без однозначного ответа. Сильными сторонами заявлены улучшенное следование инструкциям, рассуждение, глубина, нюансированность и эмоциональность, а также более эффективное использование контекста. Ограничения включают зависимость качества от выбранной квантизации и оборудования, а также отсутствие подробных независимых оценок в представленном README. Модель распространяется по лицензии Apache-2.0.

Dolphin-2.2-Yi-34b-200k — разговорная языковая модель, разработанная Eric Hartford при спонсорской поддержке Convai. Это дообученная с помощью qLoRA плотная модель семейства Llama на базе Yi с 33,9 млрд параметров; для диалога используется формат ChatML. Хотя базовая модель рассчитана на контекст до 200 тыс. токенов, эта версия дообучалась на последовательностях длиной 16 тыс. токенов, а метаданные указывают native context в 16 384 токена. Модель предназначена для многошаговых диалогов, ответов на вопросы, творческих задач и персональных советов с эмпатичным тоном. В обучении использованы наборы Dolphin, Airoboros, а также отобранные данные Samantha и WizardLM. Модель описана автором как uncensored и склонная выполнять широкий спектр запросов, включая неэтичные; перед предоставлением пользователям автор рекомендует добавить собственный слой контроля. Модель поддерживает английский язык. Указана лицензия other; README сообщает, что применяются условия лицензии Yi.

MaziyarPanahi/Experiment26Yam_PasticheAlloyingotneoy — слитая модель генерации текста, созданная на основе automerger/Experiment26Yam-7B и automerger/PasticheAlloyingotneoy-7B. Она использует плотную архитектуру Mistral с причинно-языковой моделью MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Она принимает текст и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. В карточке нет сведений о специальных предметных областях или подтверждённых языках.

GaMS-27B-Instruct — разговорная языковая модель, разработанная исследовательской группой факультета компьютерных наук и информатики Люблянского университета. Это версия GaMS-27B, дообученная методом SFT; семейство GaMS основано на Gemma 2 и продолжительно обучалось на словенских, английских, хорватских, сербских и боснийских текстах. Модель имеет плотную архитектуру Gemma 2 с 27,6 млрд параметров, принимает текст и генерирует текст. Контекст — до 8192 токенов. Модель предназначена для диалогов и генерации текстов, в первую очередь на словенском и английском языках; также поддерживаются хорватский, сербский и боснийский. Её можно применять для черновиков, суммаризации, ответов на вопросы и языковой практики. Лицензия — Gemma. Ответы могут содержать фактические ошибки и отражать предвзятость обучающих данных; модель может испытывать трудности с тонкими языковыми нюансами и сложными задачами. Для чувствительных сценариев следует проверять результаты и учитывать ограничения политики использования Gemma.

Это чат-модель для генерации текста, дообученная автором cloudyu на основе google/gemma-7b. Обучение выполнено на наборе c-s-ale/alpaca-gpt4-data-zh; модель принимает инструкцию и необязательный ввод, затем генерирует ответ по шаблону instruction/input/output. Модель построена на плотной архитектуре GemmaForCausalLM и содержит 8,2 млрд параметров. Она рассчитана на диалог и выполнение инструкций на китайском и английском языках, с контекстом до 8192 токенов. Доступные веса представлены в формате safetensors. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий без соблюдения её условий. Качество ответов зависит от области запроса и данных дообучения; карточка не приводит результатов оценки или дополнительных мер защиты.

GreenOgno-7b-passthrough — текстовая генеративная модель на архитектуре Mistral, созданная объединением GreenNode/GreenNode-mini-7B-multilingual-v1olet и eren23/OGNO-7b-dpo-truthful с помощью LazyMergekit. В конфигурации passthrough взяты слои 0–15 первой модели и слои 16–31 второй; токенизатор объединён, веса сохранены в float16. Размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В составе объединены мультиязычная модель GreenNode и DPO-модель OGNO-7b с акцентом на правдивость ответов; README не приводит отдельных оценок качества или подробных рекомендаций по применению. В метаданных и README лицензия не указана.

h2o-danube-1.8b-chat — диалоговая языковая модель H2O.ai с примерно 1,8 млрд параметров, дообученная по схемам SFT и DPO на базе h2o-danube-1.8b-base. Она предназначена для генерации ответов в чат-диалогах и общих текстовых задач. Модель использует плотную архитектуру на основе Llama 2 с механизмом скользящего окна внимания Mistral размером 4096 токенов и поддерживает контекст до 16 384 токенов. Модель обучалась с помощью H2O LLM Studio; в карточке указаны английский язык и наборы данных для диалогов, общих инструкций, предпочтений и математических задач. В README приведены результаты тестирования на задачах здравого смысла, знаний и понимания текста, однако точность ответов не гарантируется: модель может выдавать неверные, бессмысленные или предвзятые ответы и неподходящий контент. Лицензия — Apache-2.0.

Hermes-ClimateStorm-Sauerkraut-abliterated — объединённая диалоговая языковая модель, созданная MotherEarth с помощью mergekit линейным слиянием Hermes-Storm-Climate-lorablated и Llama-3.1-SauerkrautLM-8b-Instruct. Модель построена на плотной архитектуре Llama и содержит 7,5 млрд параметров; файлы представлены в формате safetensors. Она предназначена для генерации текста и диалоговых сценариев. Заявленная длина контекста — 131 072 токена. Модель принимает текст и генерирует текст. Базовая модель SauerkrautLM рассчитана на немецкий и английский языки, однако README этой объединённой модели не описывает языковые характеристики и сравнительное качество слияния. Лицензия в предоставленных данных не указана.

Instrumentality-2-MN-12B-RP — плотная языковая модель семейства Mistral с 12,1 млрд параметров, созданная Aleteian слиянием предварительно обученных моделей с помощью mergekit и метода breadcrumbs_ties. В качестве базовой использована Aleteian/base-ground-2; также в слияние вошли DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS и elinas/Chronos-Gold-12B-1.0. Модель предназначена для генерации текста и диалогов, использует шаблон чата ChatML и поддерживает контекст до 1 024 000 токенов по метаданным. Модель доступна в формате safetensors, в README указан тип данных bfloat16. Она рассчитана на текстовый ввод и генерацию текста. Карточка не приводит сведения о языковой специализации, качестве на конкретных тестах или сценариях, поэтому их нельзя определить по имеющимся данным. Условия лицензии в предоставленных источниках не приведены.

Janus-7B — языковая модель KAIST AI на архитектуре Mistral, дообученная методом supervised fine-tuning на всех 196 тысячах примеров датасета Multifaceted-Collection-SFT. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Janus предназначена для генерации ответов с учётом инструкций и предпочтений, заданных в системном сообщении. Её можно применять для персонализированных ответов и диалоговых сценариев, где важны полезность и безвредность ответа. README описывает поддержку английского языка; модель принимает текстовые инструкции и выдаёт текст. Модель распространяется по лицензии Apache 2.0. Качество и соответствие ответов заданным предпочтениям зависят от формулировки системного сообщения; отдельных гарантий для конкретных прикладных областей в карточке не заявлено.

Janus-ORPO-7B — языковая модель, разработанная KAIST AI на основе Mistral-7B-v0.2 с применением метода ORPO. Для выравнивания использован Multifaceted Collection — набор из 196 тысяч уникальных системных сообщений, представляющих разнообразные предпочтения людей. Модель предназначена для генерации ответов на английском языке с учетом инструкций и заданного системного сообщения. Она подходит для диалогов и персонализированных ответов, а обучение также направлено на полезность и безвредность ответов. Архитектура — плотная авторегрессионная MistralForCausalLM, размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель распространяется по лицензии Apache 2.0. Карточка описывает обучение на предпочтениях, но не приводит количественных результатов оценки; качество ответов может зависеть от системного сообщения и формулировки запроса.

Jupiter-k-7B-slerp — языковая модель для генерации текста и диалогов, созданная Kukedlc. Это объединение моделей NeuralContamination-7B-ties, NeuralTopBench-7B-ties и StrangeMerges_32-7B-slerp с помощью LazyMergekit; архитектура основана на Mistral, размер — 7,1 млрд параметров. Модель распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель подходит для диалогового общения и генерации текста. Она распространяется по лицензии Apache-2.0. README не описывает специальные предметные области или отдельные гарантии качества.

Llama-2-13b-chat-norwegian — модель Ruter AI Lab, созданная дообучением Meta Llama 2 13B Chat на норвежских данных. Это плотная авторегрессионная языковая модель с 12,9 млрд параметров и контекстом до 4096 токенов; доступны веса PyTorch и safetensors. Модель предназначена для понимания и генерации текста на норвежском языке и для диалоговых сценариев с инструкциями. Её можно использовать для ответов на вопросы, суммаризации и работы чат-ассистента на норвежском. В обучении использовались Norwegian Alpaca, 15 тысяч машинно переведённых примеров OpenOrca и небольшой набор собственных инструкций; модель обучалась одну эпоху. Авторы отмечают, что для хороших результатов может потребоваться настройка промптов. Модель обычно лучше справляется с суммаризацией, вопросами и диалогом, чем с задачами, требующими специальных знаний о Норвегии или конкретных областях. Машинный перевод в обучающих данных может содержать грамматические и другие ошибки. Лицензия — Llama 2 Community License; набор Norwegian Alpaca имеет отдельное ограничение на создание моделей, конкурирующих с OpenAI.

Llama-3-15b-StockTest — плотная авторегрессионная языковая модель семейства Llama 3, созданная athirdpath методом слияния Model Stock с помощью mergekit. В основу взята athirdpath/Llama-3-15b-Instruct-GLUED, также в слиянии участвовали instruct-модели, вариант с рассуждениями и модель OpenBioLexi. Размер модели — 14,9 млрд параметров, контекст — до 8192 токенов; репозиторий содержит веса в safetensors и рассчитан на использование с Transformers. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на инструкции и написание историй. Метаданные указывают поддержку чата, однако отдельные специализированные возможности не подтверждены. Языки карточкой не обозначены, поэтому нельзя уверенно указать языковую специализацию. Условия лицензии в предоставленных данных не приведены.

Карточка модели paraschopra/llama-31-8b-instruct-regenerated-100-cot на Hugging Face совпадает с карточкой paraschopra/llama-31-8b-instruct-regenerated-100-cot-no-system-prompt, поэтому описание составлено по ней. Модель paraschopra/llama-31-8b-instruct-regenerated-100-cot-no-system-prompt — дообученная версия инструкционной Llama 3.1 8B Instruct. Она предназначена для генерации текста и диалогового взаимодействия. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов; в репозитории используются веса Safetensors. В карточке указаны Unsloth и TRL как инструменты обучения. Модель может применяться для ответов на запросы и генерации текста на английском языке. Лицензия — Apache-2.0. README не приводит оценок качества или подробных результатов обучения, поэтому пригодность для конкретных задач следует проверять на собственных данных.

PerfectUsing/llama-3.1-8b-sam-v5-merged — дообученная текстовая генеративная модель на архитектуре Llama 3.1 с плотной архитектурой и примерно 7,5 млрд параметров. Разработчик — PerfectUsing; базовая модель — unsloth/llama-3.1-8b-unsloth-bnb-4bit. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста. В метаданных указан контекст до 131 072 токенов и английский язык. Карточка не уточняет специальную область применения или особенности обучения. Модель распространяется по лицензии Apache-2.0.

Карточка модели ReplaceHumanWithAI/llama3.1_high_F16 на Hugging Face совпадает с карточкой ReplaceHumanWithAI/llama3.1_low_F16, поэтому описание составлено по ней. ReplaceHumanWithAI/llama3.1_low_F16 — дообученная разговорная языковая модель семейства Llama 3.1, разработанная ReplaceHumanWithAI на базе unsloth/meta-llama-3.1-8b-instruct-bnb-4bit. Модель с плотной архитектурой LlamaForCausalLM содержит 7,5 млрд параметров и предназначена для генерации текста в диалогах; в метаданных также отмечен интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, поддерживает английский язык. Заявленная длина контекста — 131 072 токена. Веса представлены в формате safetensors; для обучения использовались Unsloth и библиотека TRL. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения или результаты оценки качества, поэтому её пригодность для конкретных сценариев следует проверять отдельно.

ReplaceHumanWithAI/llama3.1_low_F16 — дообученная разговорная языковая модель семейства Llama 3.1, разработанная ReplaceHumanWithAI на базе unsloth/meta-llama-3.1-8b-instruct-bnb-4bit. Модель с плотной архитектурой LlamaForCausalLM содержит 7,5 млрд параметров и предназначена для генерации текста в диалогах; в метаданных также отмечен интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, поддерживает английский язык. Заявленная длина контекста — 131 072 токена. Веса представлены в формате safetensors; для обучения использовались Unsloth и библиотека TRL. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения или результаты оценки качества, поэтому её пригодность для конкретных сценариев следует проверять отдельно.

Llama-3-8B-666 — объединённая диалоговая языковая модель, созданная сообществом mergekit на основе Meta-Llama-3-8B-Instruct и трёх других моделей семейства Llama 3. Для слияния использован метод passthrough. Модель предназначена для генерации текста и ведения диалогов. Модель использует плотную архитектуру LlamaForCausalLM, содержит 11,4 млрд параметров и поддерживает контекст до 8192 токенов. Репозиторий содержит веса в формате safetensors, для работы используется библиотека Transformers. В состав слияния входят модели, ориентированные в том числе на китайский язык; базовая Meta-Llama-3-8B-Instruct предназначена для ассистентских ответов на английском языке. Лицензия в предоставленных данных не указана. Качество и языковое покрытие именно этой объединённой модели не описаны; результаты могут зависеть от сочетания исходных моделей и сценария использования.

Llama-3-8B-Ultrachat-200K — диалоговая языковая модель, полученная дообучением Meta-Llama-3-8B с помощью Axolotl. Она предназначена для генерации ответов в формате беседы. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM, принимает текст и выдаёт текст; нативный размер контекста — 8192 токена. В карточке указан результат оценки: loss 0,8219. Данные обучения названы как None, а подробности о наборе данных, сценариях применения и ограничениях не приведены. Для использования действует лицензия Llama 3.

Llama3-TAIDE-LX-8B-Chat-Alpha1 — чат-модель проекта TAIDE, разработанная для поддержки языковых и культурных особенностей Тайваня. Она основана на LLaMA 3 8B: модель прошла дополнительное предобучение на корпусах на традиционном китайском языке и настройку по инструкциям. Размер модели — 8 млрд параметров, длина контекста — до 8 тыс. токенов. Модель предназначена для диалогов и помощи с повседневными офисными задачами: написанием и редактированием текстов, составлением писем, автоматическим реферированием и переводом между китайским и английским. В README также заявлено усиление знаний о тайваньской культуре, местной лексике и реалиях, а также поддержка многоходового диалога. Разработчик отмечает, что отбор данных был направлен на повышение надёжности и пригодности ответов; при этом приведённые примеры не гарантируют фактическую точность модели. Репозиторий содержит веса в формате safetensors. Лицензия указана как other, поэтому конкретные условия использования следует уточнять в материалах проекта.

MegaQwen-120B — текстовая генеративная модель, созданная разработчиком abideen путём слияния двух копий Qwen1.5-72B с чередованием их параметров. Она предназначена для диалогов и генерации текста. Модель использует плотную архитектуру Qwen2 с декодером Qwen2ForCausalLM, содержит 123,4 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель принимает текст и выдаёт текст; в метаданных заявлена поддержка английского языка и возможность чата. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Доступные сведения не описывают качество или результаты оценки модели.

Карточка модели mergekit-community/mergekit-slerp-bjlsrkr на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jlrpbqb, поэтому описание составлено по ней. Это объединённая модель генерации текста на архитектуре Mistral, созданная сообществом mergekit-community методом SLERP из arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель содержит около 7,1 млрд параметров, рассчитана на диалоговое применение и использует контекст до 32 768 токенов. Модель предназначена для генерации ответов в диалоге и других сценариев генерации текста. Веса доступны в формате Safetensors и имеют тип bfloat16. В метаданных указана библиотека Transformers. Сведения о лицензии и конкретных ограничениях поведения в предоставленных данных отсутствуют.

miniclaus-qw1.5B-UNAMGS — компактная языковая модель семейства Qwen2, разработанная fblgit на основе Qwen/Qwen2.5-1.5B-Instruct и дообученная на наборе Magpie-Align/Magpie-Pro-MT-300K-v0.1. Модель предназначена для генерации текста и диалоговых сценариев; в метаданных также заявлен интерфейс для вызова инструментов. Модель имеет плотную архитектуру Qwen2ForCausalLM, содержит 1,5 млрд параметров и поддерживает контекст до 131 072 токенов. В тегах карточки перечислены английский, китайский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский языки. README сообщает об использовании MGS и UNA (MLP) и приводит значение loss 0,7193 на наборе оценки. Модель подходит для многоязычных диалогов и генерации ответов, однако README не раскрывает методику оценки и не уточняет, как MGS и UNA влияют на качество. Лицензия указана как other, поэтому условия использования следует проверять в карточке модели.

miqu-120b — плотная языковая модель семейства Llama, опубликованная dataautogpt3. Она создана с помощью mergekit методом passthrough из двух последовательных копий диапазона слоёв модели 152334H/miqu-1-70b-sf; README указывает формат float16, а метаданные — 137,2 млрд параметров и архитектуру LlamaForCausalLM. Модель предназначена для генерации текста и диалогов. Базовая модель описана в каталоге как модель для генерации текста и диалогов на английском языке; заявленная длина контекста — 32 764 токена. В репозитории указаны веса safetensors. README не приводит оценок качества или ограничений применения. Лицензия в предоставленных данных не указана.