III.10Проекты, процессы и операционное управление

zelk12 объединил методом SLERP две предварительно обученные языковые модели на базе Gemma 2 и опубликовал результат с помощью mergekit. Это плотная авторегрессионная модель с 9 млрд параметров для диалогов и генерации текста по запросу; репозиторий содержит веса Safetensors, а контекстное окно составляет 8192 токена. Модель предназначена для чат-сценариев и генерации ответов на текстовые запросы. README описывает способ объединения и исходные модели, но не указывает отдельную специализацию или языковой охват. Лицензия в предоставленных данных не указана.

zelk12 объединил методом SLERP две предварительно обученные языковые модели на базе Gemma 2 с помощью mergekit. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и распространяется в формате safetensors; для работы предусмотрена библиотека Transformers. Модель предназначена для диалогов и генерации текста. Контекст составляет до 8192 токенов. В карточке не указаны специальные предметные области или поддерживаемые языки. Репозиторий содержит объединённые веса; качество и конкретные языковые возможности в README не описаны. Лицензия в предоставленных данных не указана.

zelk12/MT-Merge5-MMBMUI-gemma-2-9B — объединённая языковая модель на архитектуре Gemma 2, созданная автором репозитория с помощью mergekit. В неё методом SLERP объединены zelk12/MT-Merge5-MMB-gemma-2-9B и zelk12/MT-Merge5-MUI-gemma-2-9B; параметры слияния заданы относительно первой модели с коэффициентом t=0,25. Модель содержит 9 млрд параметров, использует формат safetensors и библиотеку Transformers. Она предназначена для генерации текста и диалоговых ответов; контекстное окно составляет 8192 токена. Карточка не описывает отдельные прикладные специализации или языковое покрытие, поэтому область применения следует определять по содержимому запросов и ответов модели. Лицензия в предоставленных данных не указана.

NeuralsirkrishnaShadow_Strangemerges_32Yamshadow — объединённая модель Mistral, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Yamshadow-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров, а веса опубликованы в формате safetensors. Модель можно применять для генерации продолжений текста и диалоговых ответов. Репозиторий указывает лицензию Apache-2.0. Подробности о языках, обучении и сравнительном качестве в карточке не приведены.

NeuralsynthesisMeliodas-7B — объединённая языковая модель на архитектуре Mistral, созданная Maxime Labonne автоматизированным слиянием моделей. В конфигурации использованы Kukedlc/NeuralSynthesis-7B-v0.3 и AurelPx/Meliodas-7b-dare; для слияния применён метод DARE-TIES. Репозиторий содержит веса в формате safetensors, а объём модели составляет 7,1 млрд параметров. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Условия использования определяются лицензией Apache-2.0. В карточке не приведены сведения о целевых языках и специальных прикладных областях.

RLLab/olmo-3-7b-it-sft — разговорная модель семейства OLMo 3 с плотной архитектурой причинного языкового моделирования. По данным карточки, она предназначена для генерации текста в диалоговом формате и имеет около 6,9 млрд параметров; для работы используется библиотека Transformers и формат safetensors. Модель принимает текст и генерирует текст. Длина контекста составляет 65 536 токенов. Карточка не содержит сведений о языковом охвате, конкретных сценариях дообучения или результатах оценки качества. Лицензия в предоставленных данных не указана.

OmniBeagle-7B — объединённая модель генерации текста на архитектуре Mistral, созданная с помощью LazyMergekit из BeagleSempra-7B, BeagSake-7B и WestBeagle-7B. В конфигурации также указан mistralai/Mistral-7B-v0.1 как базовая модель слияния; использован метод dare_ties, итоговые веса имеют точность float16. Модель предназначена для генерации текста и диалогов. Её размер составляет 7,1 млрд параметров, а контекст — до 32 768 токенов. В README приведены результаты Open LLM Leaderboard, включая оценки по тестам AI2 Reasoning Challenge и HellaSwag. Метаданные указывают формат safetensors и лицензию CC BY-NC 4.0, которая ограничивает коммерческое использование. Данные о целевых языках и специализированных областях применения в карточке не приведены.

Карточка модели OpenBuddy/openbuddy-llama-30b-v7.1-bf16 на Hugging Face совпадает с карточкой OpenBuddy/openbuddy-llama-65b-v8-bf16, поэтому описание составлено по ней. OpenBuddy/openbuddy-llama-65b-v8-bf16 — многоязычная чат-модель OpenBuddy на архитектуре LLaMA, основанная на LLaMA от Meta. Это плотная авторегрессионная модель с 65,1 млрд параметров, рассчитанная на генерацию текста; исходные веса представлены в формате PyTorch и точности bf16, указанной в названии репозитория. Родная длина контекста составляет 2048 токенов. Модель предназначена для диалогов и генерации ответов на нескольких языках, включая китайский, английский, французский, немецкий, японский, корейский, итальянский и русский. Её можно применять для чат-ботов и текстовых ассистентов. Карточка предупреждает, что ответы могут быть ошибочными, вредными или оскорбительными, и не рекомендует использовать модель в медицинских и других критически важных сценариях. Использование модели зависит от лицензии Meta LLaMA: требуется соответствовать условиям Meta и получить разрешение на доступ к исходной модели.

Карточка модели OpenBuddy/openbuddy-mistral-7b-v19.1-4k на Hugging Face совпадает с карточкой OpenBuddy/openbuddy-mistral-7b-v13.1, поэтому описание составлено по ней. OpenBuddy-mistral-7b-v13.1 — многоязычная чат-модель проекта OpenBuddy на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для диалогов и генерации текста; заявлены языки китайский, английский, французский, немецкий, японский, корейский, итальянский и русский. Модель принимает текст и генерирует текст, длина контекста составляет 32 768 токенов. Модель распространяется под лицензией Apache 2.0. В README отмечено, что ответы могут быть ошибочными, вредными или оскорбительными; модель не следует использовать для критически важных решений в медицине, управлении потенциально опасными системами, финансах и праве. Она предоставляется без гарантий.

Eric111/openchat-3.5-0106-128k-DPO_dpo-binarized-NeuralTrix-7B — объединённая модель от автора Eric111, созданная с помощью mergekit из Eric111/openchat-3.5-0106-128k-DPO и eren23/dpo-binarized-NeuralTrix-7B методом SLERP. Это плотная причинно-языковая модель семейства Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие. Заявленная длина контекста — 131072 токена. Модель подходит для ведения диалога и генерации ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. README не приводит результаты оценки качества и подробностей о поддерживаемых языках; возможностей за пределами генерации текста карточка не заявляет.

QandoraExp-7B-v2 — языковая модель на 7,1 млрд параметров, созданная bunnycore слиянием моделей через mergekit. В основе — Qwen/Qwen2.5-7B; при слиянии также использованы QandoraExp-7B-Persona, cybertron-v4-qw7B-MGS и Rombos-LLM-V2.5-Qwen-7b. Применён метод della, итоговые веса сохранены в формате safetensors с типом bfloat16. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на вопросы, написания и продолжения текста, а также для сценариев, где требуется интерфейс вызова инструментов. Архитектура — плотная Qwen2; заявленная длина контекста составляет 131 072 токена. Карточка не сообщает результаты оценки качества или подробные сведения о поддерживаемых языках. Условия лицензирования в предоставленных данных не указаны.

taskmaster141/Qwen3-4b-ep1 — плотная языковая модель семейства Qwen3, дообученная taskmaster141 на базе trainer_output/checkpoint-150. Модель содержит 3,7 млрд параметров и предназначена для генерации текста в диалоговом формате; карточка указывает обучение с использованием Unsloth. Модель поддерживает контекст до 262 144 токенов и английский язык. Она может использоваться для диалогов и генерации текста. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

SauerkrautLM-Qwen-32b — диалоговая языковая модель, совместно разработанная VAGO solutions и Hyperspace.ai на базе Qwen/Qwen1.5-32B. Модель дообучена методом SFT и выровнена с помощью DPO; архитектура Qwen2, плотная причинная языковая модель с 31,7 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалогов и генерации текста на немецком и английском языках. Её можно применять для ответов на вопросы, написания текстов и работы с длинными запросами в формате помощника. В карточке приведены результаты оценки на Open LLM Leaderboard, но они не гарантируют качество для конкретной задачи. Использование регулируется лицензией tongyi-qianwen-research. Разработчики предупреждают, что модель может выдавать неподходящий или неотфильтрованный контент; её поведение не гарантированно всегда уместно.

Модель yuhengtu-bytedance/sfm_filtered_midtrain_alignment-6k_7k_8k_weightedavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. В README указано, что применён линейный метод слияния, а в качестве базовой использована версия с шагом обучения 8000; также объединены версии с шагами 6000 и 7000. Это плотная авторегрессионная модель семейства GPT-NeoX с 8,8 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 16 384 токена. В метаданных указан формат safetensors и библиотека Transformers. В карточке не указаны специальные предметные области или поддерживаемые естественные языки. Лицензия в предоставленных данных не указана, поэтому условия использования определить нельзя; качество и ограничения слияния отдельно не описаны.

Модель sfmunfilteredmidtrainalignment-6k7k8kweightedavgmerge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой использована версия global_step8000, объединённая с версиями global_step7000 и global_step6000. Модель разработана для генерации текста в диалоговом формате. Это плотная авторегрессионная модель архитектуры GPT-NeoX с 8,8 млрд параметров и контекстом до 16 384 токенов. Она принимает текст и выдаёт текст; метаданные указывают на поддержку чатового сценария. Для использования доступна в формате safetensors через Transformers. Сведений о лицензии и поддерживаемых естественных языках в предоставленных данных нет.

bhavinjawade/SOLAR-10B-Nector-DPO-Jawade — чат-модель на архитектуре Llama с 10,6 млрд параметров, созданная на основе SOLAR-10.7B-Instruct-v1.0 от Upstage. По карточке, модель оптимизирована методом DPO и дообучена с помощью LoRA на смеси Berkeley-nest Nectar и Intel/orca_dpo_pairs; в метаданных указан датасет Intel/orca_dpo_pairs. Модель предназначена для диалоговой генерации текста и ответов на запросы. Она принимает текст и генерирует текст, поддерживает контекст до 4096 токенов. Репозиторий содержит веса Safetensors. Модель выпущена под лицензией MIT. Карточка описывает её как DPO-оптимизированную и выровненную версию базовой модели; независимых оценок качества или подробных ограничений не приводит.

blueRab2it/solar-beam-slerp-v0.1 — объединённая языковая модель, созданная с помощью mergekit методом SLERP из davidkim205/komt-solar-10.7b-sft-v5 и Deepnoid/deep-solar-eeve-v2.0.1. Это плотная архитектура Llama с классом LlamaForCausalLM, 7,2 млрд параметров и контекстом до 4096 токенов. Модель предназначена для генерации текста и выполнения задач по текстовым инструкциям. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Базовая KOMT-Solar-10.7B-SFT-v5 описана как корейская модель для генерации текста и ответов на инструкции; данных о дополнительных языковых возможностях итоговой модели нет. Лицензия — Apache-2.0.

solar-merge-v1.0 — текстовая модель с архитектурой Mixture of Experts, созданная jieunhan с помощью LazyMergekit путём объединения upstage/SOLAR-10.7B-Instruct-v1.0 и heavytail/kullm-solar. В конфигурации указаны базовая модель upstage/SOLAR-10.7B-v1.0, формат float16 и маршрутизация экспертов cheap_embed; размер модели — 10,6 млрд параметров, контекст — 4096 токенов. Модель предназначена для генерации текста и диалоговых ответов в роли универсального ассистента. В состав объединения входит корейская модель KULLM-SOLAR, поэтому модель может быть полезна для взаимодействия на корейском языке; также унаследованы возможности SOLAR-10.7B-Instruct для выполнения инструкций и ответов на английском. Модель распространяется по лицензии Apache-2.0.

SPUPER-qwen2.5-7b-acaciawl-add-2k — дообученная компанией или автором Hahmdong версия Qwen/Qwen2.5-7B-Instruct, созданная с помощью TRL. Это плотная авторегрессионная языковая модель на 7,1 млрд параметров для диалоговой генерации текста и ответов на пользовательские запросы. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Карточка не описывает специализацию дообучения, состав обучающих данных или отдельные преимущества модели, поэтому её пригодность для конкретной области следует проверять на собственных примерах. Используется библиотека Transformers, веса опубликованы в формате safetensors; лицензия не приведена в предоставленных данных.

StrangeMerges_44-7B-dare_ties — языковая модель, созданная Gille слиянием трёх моделей: Nexusflow/Starling-LM-7B-beta, nlpguy/T3QM7 и AurelPx/Percival_01-7b-slerp. Для объединения использован LazyMergekit и метод dare_ties; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, веса опубликованы в формате safetensors и типе bfloat16. Модель предназначена для генерации текста, в том числе диалоговых ответов. Контекст составляет до 32 768 токенов. В карточке не описаны специальные предметные области или поддерживаемые языки; базовая Starling-LM-7B-beta обозначена в метаданных как англоязычная чат-модель. Лицензия — Apache-2.0.

T3qm7xNeuralsirkrishna_Experiment28Strangemerges_32 — объединённая модель генерации текста на базе Mistral, опубликованная MaziyarPanahi. Она объединяет automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment28Strangemerges_32-7B и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев с контекстом до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. В карточке модели не описаны языковой охват и специализированные предметные области.

tomgeorge00/t5-small-finetuned-EdinburghNLP-xsum — дообученная модель T5-small, разработанная на основе google-t5/t5-small. Она предназначена для суммаризации текста и оценивается метриками ROUGE на тестовой выборке; в карточке указаны ROUGE-1 29,06, ROUGE-2 8,67 и ROUGE-L 23,99. Модель имеет архитектуру T5ForConditionalGeneration, содержит 38,5 млн параметров и принимает текст с контекстом до 512 токенов, выдавая текстовое резюме. Базовая T5-small также применяется для других задач преобразования текста в текст. Данные обучения и подробные ограничения в карточке не раскрыты. Лицензия — Apache-2.0.

ThetaMaven7 — объединённая модель для генерации текста, созданная jefferylovely методом LazyMergekit из ThetaMaven5 и WestLake-7B-v2-laser-truthy-dpo. Веса объединены методом SLERP с точностью bfloat16; архитектура — плотная Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Карточка не описывает специализацию по предметным областям или языкам. Репозиторий содержит веса в формате safetensors; лицензия — CC BY-NC-ND 4.0, с условиями атрибуции и ограничениями на коммерческое использование и распространение производных версий.

VPO-Pess-Zephyr-7B-iter-1 — диалоговая модель генерации текста, созданная дообучением Katayoon/DPO-ONLY-Zephyr-7B на обновлённом и исходном наборах данных. Она построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; модель поддерживает контекст до 32 768 токенов и предназначена для чата и генерации текстовых ответов. Репозиторий содержит веса в формате safetensors. Модель выпущена Katayoon под лицензией MIT. README не приводит подробностей о назначении наборов данных, оценке качества или ограничениях модели, поэтому её пригодность для конкретных сценариев следует оценивать самостоятельно.

Katayoon/VPO-SELM-Zephyr-7B-iter-2 — диалоговая языковая модель, дообученная разработчиком на базе Katayoon/VPO-SELM-Zephyr-7B-iter-1 на обновлённом и исходном наборах данных. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста в диалоговом формате и распространяется в формате safetensors. Модель опубликована по лицензии MIT. Карточка не приводит подробностей о языках, оценке качества или конкретных ограничениях применения.

YamshadowInex12_Experiment29Experiment24 — слитая модель для генерации текста, построенная на двух моделях: automerger/YamshadowInex12-7B и automerger/Experiment29Experiment24-7B. Она разработана и опубликована MaziyarPanahi. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Её можно применять для генерации продолжений и ответов на текстовые запросы. В репозитории веса представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0. Данных о специальных предметных областях и ограничениях качества в карточке нет.

YamshadowInex12_Multi_verse_modelM7 — слитая модель генерации текста, созданная на основе automerger/YamshadowInex12-7B и automerger/Multi_verse_modelM7-7B. Она построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; максимальная длина контекста — 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. README не описывает специальные сценарии, языковую специализацию или результаты оценки качества.

Zhi-Create-DSR1-14B — дообученная модель Zhihu на базе DeepSeek-R1-Distill-Qwen-14B, предназначенная прежде всего для творческого письма. Она генерирует тексты по запросу и показывает улучшенные результаты в тестах на написание рассказов и текстов разных стилей, форматов и длины. Модель также сохраняет возможности диалога, рассуждений, математики и ответов на общие вопросы. Это плотная авторегрессионная модель семейства Qwen2 с 14 млрд параметров и контекстом до 131 072 токенов. В обучении использовались SFT и DPO, а данные включали китайские и английские наборы для рассуждений и письма, а также материалы Zhihu. Указанные в карточке языки — китайский и английский; сценарии творческого письма в README проиллюстрированы китайским запросом. Модель подходит для создания рассказов, статей, деловых и учебных текстов, а также для редактирования и следования заданным требованиям к стилю и формату. README приводит сравнительные результаты бенчмарков, но они не гарантируют качество для конкретного запроса. Для локального развёртывания описаны конфигурации с мощными GPU. Лицензия — Apache 2.0.

Zinakha-12b — текстовая авторегрессионная модель Aixon Lab на архитектуре Transformer, дообученная на базе mistralai/Mistral-Nemo-Base-2407 с использованием разных наборов данных и слияния слоёв. Модель содержит около 12,1 млрд параметров и предназначена прежде всего для многоходового общения с несколькими ролями, генерации текста, ответов на вопросы и анализа. В карточке особенно отмечены понимание контекста, творческое письмо и рассказывание историй. Модель в первую очередь рассчитана на английский язык; заявлена возможная поддержка других языков. Метаданные указывают контекст до 1 024 000 токенов и формат весов safetensors. Лицензия — Apache 2.0. Оценки качества и результаты бенчмарков для этой модели не приведены; ответы могут наследовать смещения обучающих данных, поэтому их следует проверять.

Jamba2 Mini — компактная языковая модель, разработанная AI21 Labs для надёжных корпоративных сценариев. Она использует архитектуру Jamba, сочетающую слои SSM и Transformer с разреженной экспертной моделью (MoE), и содержит 7,2 млрд параметров по метаданным. Модель предназначена для генерации текста и диалогов, ответов на вопросы, следования инструкциям и работы с длинными документами; поддерживает контекст до 262 144 токенов. Модель обучалась на основе предобучения Jamba 1.5 с последующим дообучением на длинных документах, коде, математике и веб-текстах, а также этапами SFT, DPO и обучения с подкреплением. Разработчик сообщает о настройке на точное следование инструкциям и опору на предоставленный контекст. Модель распространяется по лицензии Apache 2.0, допускающей коммерческое использование. Для запуска через vLLM в README рекомендуется версия 0.12.0 или выше.