III.10Проекты, процессы и операционное управление

YamshadowStrangemerges_32_Experiment28Strangemerges_32 — слитая языковая модель на архитектуре Mistral, созданная объединением automerger/YamshadowStrangemerges_32-7B и automerger/Experiment28Strangemerges_32-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров, веса представлены в формате safetensors. Репозиторий использует лицензию Apache-2.0. Карточка не описывает специальные предметные области или конкретные ограничения качества.

YamshadowStrangemerges_32_Strangemerges_32Alloyingotneoy — объединённая модель генерации текста, созданная слиянием automerger/YamshadowStrangemerges_32-7B и automerger/Strangemerges_32Alloyingotneoy-7B. Она основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Контекст составляет до 32 768 токенов, что позволяет работать с длинными вводами и поддерживать многоходовые диалоги. Данные не раскрывают более узкую специализацию или подтверждённые языки модели. Модель опубликована в формате Safetensors под лицензией Apache 2.0. Сведений о сравнительных оценках качества и специальных ограничениях в карточке нет.

YamshadowStrangemerges_32_Strangemerges_32Experiment28 — объединённая модель Mistral, созданная слиянием моделей automerger/YamshadowStrangemerges_32-7B и automerger/Strangemerges_32Experiment28-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате Safetensors. Для использования доступна по лицензии Apache-2.0. В карточке не описаны специализированные области применения или дополнительные возможности, поэтому её следует рассматривать как модель общего назначения для генерации текста.

YamshadowStrangemerges_32_YamMulti_verse_model — объединённая модель генерации текста на архитектуре Mistral, созданная из automerger/YamshadowStrangemerges_32-7B и automerger/YamMulti_verse_model-7B. Она предназначена для генерации текста по запросу и может использоваться в диалоговых и других текстовых сценариях.

Zara 14b v1.2 — диалоговая языковая модель Aixon Lab на архитектуре Transformer с причинной генерацией текста и примерно 14 млрд параметров. В метаданных указана архитектура Qwen2 и контекст до 131 072 токенов; модель распространяется в формате safetensors по лицензии Apache 2.0. Модель дообучена на основе aixonlab/Zara-14b-v1.1 и предназначена для многоходового общения, генерации текста, ответов на вопросы, анализа, творческого письма и сторителлинга. Карточка выделяет работу с контекстом и диалогами с несколькими ролями. Основной язык — английский; README допускает поддержку других языков, но не уточняет их. Автор не приводит метрик оценки. Модель может наследовать смещения и ограничения обучающих данных и исходных моделей, поэтому результаты следует проверять. В README также сказано, что при создании использовались разные датасеты и слияния слоёв, однако отдельное слияние не подтверждено метаданными происхождения.

Это диалоговая модель генерации текста на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель разработана ShenaoZ и дообучена на основе ShenaoZ/0.00005_withdpo_4iters_bs256_5102lr_iter_2 методом DPO на обновлённом и исходном наборах данных. Модель предназначена для диалога и генерации текста. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии MIT.

laion/anh-xglm-7.5b-cross-lingual — мультиязычная модель генерации текста, созданная дообучением XGLM-7.5B на инструкционном наборе cross_lingual.jsonl из датасета laion/Anh. Модель построена на архитектуре XGLM с плотной causal language modeling архитектурой и содержит 8,6 млрд параметров. Модель предназначена для генерации ответов по инструкциям на разных языках. Метаданные указывают на поддержку instruction following; возможны сценарии с многоязычными запросами и генерацией текста. Контекст ограничен 2048 токенами. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

ArliAI-Llama-3-8B-Cumulus-v0.3 — диалоговая модель OwenArli на базе Meta-Llama-3-8B-Instruct, дообученная с помощью QLoRA для продолжительных переписок и более редких отказов. Она предназначена для генерации ответов в формате чата и поддерживает контекст длиной до 8192 токенов; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров. По заявлению автора, модель может быть немного слабее исходной Llama 3 Instruct в рассуждениях и общем интеллекте, зато лучше справляется с длинными диалогами и реже отказывает. Модель создана с использованием 4-битной загрузки и адаптера QLoRA ранга 64. Лицензия — Meta Llama 3 License Agreement.

AYA-8B — дообученная ArmanAsq модель генерации текста на архитектуре CohereForCausalLM, основанная на CohereForAI/aya-23-8B. Она предназначена для диалогов и генерации текста; метаданные также указывают интерфейс вызова инструментов. Модель содержит 8 млрд параметров и поддерживает контекст до 8192 токенов. В README приведён результат оценки: loss 3,0612, но набор данных, методика оценки и конкретные улучшения не описаны. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

facebook/bart-large-mnli — контрольная точка BART-large от Facebook, дообученная на датасете MultiNLI для распознавания отношений логического следования между текстами. Модель применяют для классификации без заранее заданного набора классов: исходный текст рассматривается как предпосылка, а для каждой кандидатной метки формируется гипотеза, например «Этот текст о политике». Вероятности следования и противоречия преобразуются в оценки меток. Модель подходит для тематической классификации, маршрутизации текстов по пользовательским категориям и других задач, где нужно оценить соответствие текста произвольным меткам. Архитектура — BART-large с классификатором последовательностей, размер — 252,8 млн параметров, контекст — до 1024 токенов. Репозиторий содержит варианты PyTorch, Flax и Safetensors. Лицензия — MIT. Качество зависит от формулировки кандидатных меток и гипотез, а также от того, насколько задача соответствует обучению на MNLI; оценки модели не гарантируют правильную классификацию. Для нескольких одновременно верных меток предусмотрен режим независимой оценки каждого класса.

Карточка модели fatymahaly/bart-large-mnli на Hugging Face совпадает с карточкой facebook/bart-large-mnli, поэтому описание составлено по ней. facebook/bart-large-mnli — контрольная точка BART-large от Facebook, дообученная на датасете MultiNLI для распознавания отношений логического следования между текстами. Модель применяют для классификации без заранее заданного набора классов: исходный текст рассматривается как предпосылка, а для каждой кандидатной метки формируется гипотеза, например «Этот текст о политике». Вероятности следования и противоречия преобразуются в оценки меток. Модель подходит для тематической классификации, маршрутизации текстов по пользовательским категориям и других задач, где нужно оценить соответствие текста произвольным меткам. Архитектура — BART-large с классификатором последовательностей, размер — 252,8 млн параметров, контекст — до 1024 токенов. Репозиторий содержит варианты PyTorch, Flax и Safetensors. Лицензия — MIT. Качество зависит от формулировки кандидатных меток и гипотез, а также от того, насколько задача соответствует обучению на MNLI; оценки модели не гарантируют правильную классификацию. Для нескольких одновременно верных меток предусмотрен режим независимой оценки каждого класса.

Bielik-11B-v2.3-Instruct — текстовая генеративная модель с 11 млрд параметров, разработанная SpeakLeash совместно с центром ACK Cyfronet AGH. Это плотная авторегрессионная модель-декодер архитектуры Mistral, предназначенная для диалогов и выполнения инструкций; контекст составляет до 32 768 токенов. Модель создана преимущественно для работы на польском языке: она понимает запросы и генерирует ответы, а также подходит для разнообразных языковых задач. Версия v2.3 получена линейным слиянием трёх инструкционно дообученных моделей Bielik-11B-v2.0, v2.1 и v2.2 с помощью mergekit. Модель распространяется под лицензией Apache 2.0. Разработчики отмечают, что ответы могут содержать фактические ошибки, предвзятые или оскорбительные формулировки. У модели нет встроенных механизмов модерации, поэтому её ответы требуют проверки, особенно при использовании в сценариях с требованиями к безопасности.

Brezn3 — объединённая чат-модель на архитектуре Mistral, созданная Johann Hartmann с помощью mergekit и метода DARE TIES. В качестве базовой модели использована LeoLM/leo-mistral-hessianai-7b-chat; в объединение также вошли WestSeverus-7B-DPO-v2, Wiedervereinigung-7b-dpo-laser и openchat-3.5-0106-laser. Модель предназначена для генерации текста и диалогов. Она содержит 7,1 млрд параметров, принимает текст и имеет контекстное окно 32 768 токенов. По описанию базовой модели, модель рассчитана прежде всего на немецкий и английский языки. В карточке указаны форматы Transformers и safetensors. Лицензия и отдельные сведения о качестве в предоставленных данных не приведены. Как и другие объединённые языковые модели, Brezn3 может генерировать неточные или вымышленные ответы; качество конкретных задач следует оценивать на собственных примерах.

knifeayumu/Cydonia-v1.3-Magnum-v4-22B — плотная языковая модель семейства Mistral на 22 млрд параметров, созданная автором knifeayumu с помощью слияния моделей TheDrummer/Cydonia-22B-v1.3 и anthracite-org/magnum-v4-22b. Для слияния применён метод SLERP через mergekit; веса представлены в формате Safetensors и имеют точность bfloat16. Модель предназначена для диалогов и генерации текста, включая ответы на запросы и создание связной прозы. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов, а интерфейс карточки отмечает возможности чата и вызова инструментов. Базовая модель описана как ориентированная на английский язык; других языковых характеристик README и метаданные не подтверждают. В метаданных указана лицензия «other», поэтому перед использованием следует проверить условия на странице модели и её базовых компонентов. Карточка не содержит конкретных оценок качества; как у генеративной языковой модели, ответы могут быть ошибочными или неподходящими для конкретной задачи.

DistilBart-MNLI-12-1 — сжатая модель на архитектуре BART, опубликованная Valhalla. Она предназначена для классификации текста по заданным пользователем меткам без обучения отдельного классификатора под каждую категорию: модель сопоставляет текст с гипотезами о его содержании и оценивает их правдоподобие. В карточке Hugging Face основная задача обозначена как zero-shot-классификация. Модель содержит 252,8 млн параметров и имеет контекст до 1024 токенов. По README, это дистилляция bart-large-mnli: использованы чередующиеся слои исходной модели и дополнительное дообучение на тех же данных MNLI. Для варианта 12-1 указана точность 87,08% на matched и 87,5% на mismatched части оценки MNLI; это ниже базовой bart-large-mnli, но README характеризует снижение как небольшое. Репозиторий содержит веса PyTorch и Flax. Модель принимает текст и возвращает оценки соответствия между ним и предложенными метками или гипотезами. Её можно применять для тематической сортировки обращений, маршрутизации текстов по категориям и предварительной разметки документов. Карточка не сообщает лицензию и не уточняет языки обучения или качество на других наборах данных; результат зависит от формулировки меток и гипотез.

Experiment26Yam_Experiment26Pastiche — объединённая авторами репозитория MaziyarPanahi модель для генерации текста. Она объединяет модели automerger/Experiment26Yam-7B и automerger/Experiment26Pastiche-7B. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста; метаданные указывают на библиотеку Transformers и формат весов safetensors. Лицензия — Apache-2.0.

Experiment26Yamshadow_Experiment26Strangemerges_30 — объединённая модель семейства Mistral, созданная из automerger/Experiment26Yamshadow-7B и automerger/Experiment26Strangemerges_30-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста; она принимает текстовые запросы и выдаёт текстовые ответы. Модель поддерживает контекст до 32 768 токенов и опубликована в формате safetensors. Лицензия — Apache-2.0. В карточке не приведены сведения о специальных областях применения, поддерживаемых языках или результатах оценки качества.

MaziyarPanahi/Experiment26Yam_YamMulti_verse_model — объединённая модель генерации текста на базе архитектуры Mistral, созданная слиянием automerger/Experiment26Yam-7B и automerger/YamMulti_verse_model-7B. Модель содержит 7,1 млрд параметров и принимает текстовый контекст длиной до 32 768 токенов. Модель предназначена для генерации текста. Веса доступны в формате safetensors, лицензия — Apache-2.0.

MaziyarPanahi/Experiment28M7_Strangemerges_32Yamshadow — объединённая модель генерации текста на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием моделей automerger/Experiment28M7-7B и automerger/Strangemerges_32Yamshadow-7B; файлы представлены в формате Safetensors. Модель предназначена для генерации текста по текстовому запросу и поддерживает контекст до 32 768 токенов. Доступна по лицензии Apache-2.0. Информация о специализации по языкам и предметным областям в карточке не приведена.

Fox-1-1.6B-Instruct-v0.1 — компактная языковая модель TensorOpera AI с архитектурой decoder-only Transformer семейства Llama и примерно 1,7 млрд параметров. Это версия базовой Fox-1-1.6B, дообученная методом SFT на инструкциях и данных многоходовых диалогов. Модель предназначена для генерации текста, выполнения инструкций и диалоговых сценариев на английском языке. Она использует Grouped Query Attention с 16 головами внимания и 4 головами ключей и значений; нативная длина контекста составляет 8192 токена. В README приведены результаты оценки на наборах ARC Challenge, HellaSwag, TruthfulQA, MMLU, Winogrande и GSM8k. Разработчик предупреждает, что перед производственным использованием модели требуется дополнительное выравнивание. Модель распространяется по лицензии Apache-2.0.

Gemma 2 Aeria 9B — объединённая языковая модель на 9 млрд параметров, созданная с помощью Mergekit и метода DARE TIES на основе princeton-nlp/gemma-2-9b-it-SimPO и lemon07r/Gemma-2-Ataraxy-v2-9B. Она использует архитектуру Gemma 2 для генерации текста и диалоговых ответов; модель рассчитана на английский язык и поддерживает контекст до 8192 токенов. Модель подходит для ведения диалога, ответов на вопросы и свободной генерации текста. Весовой формат репозитория — safetensors; в конфигурации слияния указан тип bfloat16. Условия лицензии в предоставленных источниках не описаны.

Higgs Audio v3 8B STT — модель распознавания речи от Boson AI, дообученная методом LoRA на разнообразных наборах данных для ASR. Она принимает монофонический WAV-аудиосигнал с частотой 16 кГц и преобразует речь в текст. Архитектура объединяет замороженный энкодер Whisper-Large-v3 и декодер Qwen3-8B с объединёнными LoRA-весами; общий размер составляет 8,91 млрд параметров. Модель поддерживает режим Thinking для повышения точности. В README приведены результаты на бенчмарке ESB, включая WER 6,23% на AMI, 11,33% на Earnings22 и 9,34% на GigaSpeech. Обучение использовало выборки AMI, SPGISpeech, Earnings22, VoxPopuli, LibriSpeech и TED-LIUM. Метаданные указывают английский язык и лицензию Apache-2.0; опубликованный формат весов — safetensors.

Instruct_Mixtral-8x7B-v0.1_Dolly15K — языковая модель Brillibits для генерации ответов на инструкции и диалоговых запросов. Она дообучена методом QLoRA на датасете Databricks Dolly 15K от базовой модели Mixtral-8x7B-v0.1; README сообщает о 1 эпохе обучения и разделении данных на обучающую, валидационную и тестовую выборки. В репозитории указаны веса в формате safetensors, а метаданные описывают архитектуру как Mixtral MoE с классом MixtralForCausalLM и размером 7,1 млрд параметров. Метаданные указывают контекст до 32 768 токенов, тогда как README сообщает, что при обучении использовалось окно 1 024 токена. Модель рассчитана на генерацию текста по инструкциям на английском языке, включая ответы на вопросы и создание текстов. Лицензия — Apache-2.0. Карточка показывает настройку на Dolly 15K, но не приводит результаты оценки качества; фактическое качество и пригодность для конкретных сценариев следует проверять отдельно.

K2S3-Mistral-7b-v1.47 — языковая модель K2S3 для генерации текста, дообученная методом SFT на базе mistralai/Mistral-7B-v0.1 с настройкой всех параметров. В обучении использовались alpaca-gpt4-data и примеры из OpenOrca. Модель относится к плотной архитектуре MistralForCausalLM, содержит 7,2 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации ответов и выполнения текстовых инструкций на английском языке. Она может быть полезна для создания диалоговых и инструкционных приложений, однако карточка не приводит оценок качества или специальных гарантий. Распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

ewof/koishi-8x7b-qlora — языковая модель семейства Mixtral, дообученная автором с помощью QLoRA на наборе инструкций koishi-instruct-metharme. В README указано, что обучение проводилось один проход по данным с использованием Axolotl и что адаптер был объединён с базовой моделью mistralai/Mixtral-8x7B-v0.1; в метаданных размер указан как 7,1 млрд параметров, а архитектура — MixtralForCausalLM с механизмом mixture-of-experts. Модель предназначена для генерации текста в ответ на пользовательские запросы и ведения диалогов с указанным в карточке форматом ролей; контекст составляет до 32 768 токенов. Модель принимает текст и генерирует текст. README не указывает поддерживаемые естественные языки, поэтому языковая специализация не установлена. Опубликованы веса PyTorch. Карточка не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя. Результат зависит от инструкций и обучающих данных; независимые оценки качества в карточке отсутствуют.

Kunocchini-7b — текстовая генеративная модель семейства Mistral с 7,1 млрд параметров, созданная Nitral-Archive слиянием SanjiWatsuki/Kunoichi-DPO-v2-7B и Epiculous/Fett-uccine-7B. Для слияния использован метод SLERP; модель работает с контекстом до 8192 токенов и доступна в формате safetensors для Transformers. Модель предназначена для генерации текста и может использоваться для диалогов, ответов на вопросы и других сценариев работы с текстом. В README приведены результаты оценки на задачах рассуждения и commonsense reasoning, но данных о языках обучения или поддерживаемых языках нет. В README указана лицензия «other» без дополнительных условий, поэтому перед использованием следует проверить лицензионные сведения репозитория и базовых моделей. Указанные оценки относятся к конкретным бенчмаркам и сами по себе не гарантируют качество в прикладных сценариях.

Карточка модели ccrains/larson-72b-dpo-1.0.4 на Hugging Face совпадает с карточкой ccrains/larson-72b-dpo-1.0.3, поэтому описание составлено по ней. Larson-72B-DPO-1.0.3 — языковая модель для генерации текста, опубликованная ccrains. Это плотная модель семейства Llama с 71 млрд параметров, представленная в формате safetensors; для диалога рекомендуется шаблон запросов Llama 2. Карточка описывает её как дообученную версию Qwen-72B, однако точный идентификатор базовой модели не указан. Модель предназначена для генерации текста и диалоговых сценариев. В метаданных указан контекст длиной до 32 768 токенов, а README заявляет поддержку английского языка. Модель распространяется по лицензии Apache-2.0 согласно метаданным; README дополнительно просит соблюдать условия лицензии базовой модели. Карточка не приводит результатов оценки качества или подробных ограничений применения.

MaziyarPanahi/Llama-3-16B-Instruct-v0.1 — диалоговая языковая модель семейства Llama, созданная MaziyarPanahi как self-merge модели MaziyarPanahi/Llama-3-11B-Instruct-v0.1. Она предназначена для генерации текста и ответов на инструкции в формате диалога; пример в карточке показывает решение простой арифметической задачи. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 16,2 млрд параметров и рассчитана на контекст до 8192 токенов. Принимает текст и выдаёт текст; в метаданных указан английский язык. Модель подходит для диалоговых ассистентов, ответов на вопросы и выполнения текстовых инструкций. Карточка указывает библиотеку Transformers и формат safetensors. Лицензия обозначена как other, поэтому условия использования следует сверять с лицензией репозитория. Отдельные сведения о сравнительных качествах и ограничениях модели в карточке не приведены.

Это GGUF-квантизированная версия инструкционной языковой модели Llama 3.1 8B Instruct Uz, базовая модель которой разработана behbudiy, а квантизацию выполнил mradermacher. Модель обучалась с использованием наборов yahma/alpaca-cleaned, behbudiy/alpaca-cleaned-uz и behbudiy/translation-instruction и ориентирована прежде всего на узбекский и английский языки. Модель предназначена для генерации текста по инструкциям, ответов на вопросы, суммирования и перевода. Она поддерживает распространённый формат GGUF и поставляется в нескольких вариантах квантизации размером примерно от 3,3 до 16,2 ГБ, включая Q2_K, IQ3, Q4_K, Q5_K, Q6_K, Q8_0 и f16. В README не указаны точный размер контекста, мультимодальные возможности, результаты тестирования или конкретные аппаратные требования. Основное преимущество — возможность локального запуска при выборе компактных вариантов квантизации; версии Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, а Q8_0 — как вариант с лучшим качеством среди представленных. Более сильная квантизация уменьшает требования к памяти, но может снижать качество по сравнению с f16. Модель распространяется по лицензии llama3.1.

KaraKaraWarehouse/Llama-ProgressPushDoll-3.3-70Bees — диалоговая языковая модель на архитектуре Llama, созданная объединением нескольких моделей семейства Llama 3.3 70B методом Model Stock. В качестве основы использована Llama-3.3-70B-Instruct; среди объединённых моделей — Mirai, Euryale, Anubis, Sushi и другие варианты Llama 3.3. Модель содержит 69,5 млрд параметров и принимает текстовые запросы для генерации текста и диалоговых ответов. Модель рассчитана на общие беседы и генерацию текста. В README указана совместимость с форматами запросов ChatML и L3 chat. Метаданные сообщают о контекстном окне до 131 072 токенов и формате весов safetensors. Автор описывает сборку как попытку получить модель, которая хорошо работает «из коробки», однако количественные оценки качества и отдельные специализированные возможности не приведены. Использование регулируется лицензией базовой модели Llama 3.3; конкретный идентификатор лицензии в предоставленных данных не указан.