III.10Проекты, процессы и операционное управление

Magnum v3 34B GGUF — квантизированная версия языковой модели Anthracite, разработанная для генерации текста и диалогового взаимодействия. Модель создана на основе Yi-1.5-34B-32K и дообучена с целью приблизить качество прозы к моделям Claude 3 Sonnet и Opus. В репозитории представлены веса в формате GGUF; исходные полноразмерные веса доступны отдельно. Модель предназначена для чат-сценариев, написания текстов, инструкций, художественной прозы и ролевого взаимодействия. Она поддерживает только текстовую модальность, рассчитана на английский язык и использует формат диалогов ChatML. Базовая модель относится к классу 34B, а исходная конфигурация Yi-1.5 заявляет контекст до 32K токенов, однако для данного GGUF конкретный поддерживаемый размер контекста в README явно не указан. К сильным сторонам относятся ориентация на высокое качество прозы, instruction tuning, поддержка длинного контекста базовой модели и наличие нескольких вариантов квантования GGUF для локального запуска. Ограничения включают зависимость качества и требований к ресурсам от выбранного варианта квантования, отсутствие заявленной мультиязычной или мультимодальной поддержки, а также отсутствие подробных результатов оценки. Модель распространяется по лицензии Apache-2.0.

MaXaM_Large_v1.72 — дообученная диалоговая языковая модель Triadic Intelligence Labs на архитектуре Llama с 69,5 млрд параметров. В карточке указано обучение методом SFT на датасете FTK, созданном в SFT Studio Pro. Модель предназначена для генерации текста и диалогового взаимодействия; метаданные также отмечают поддержку чата. Она принимает текст и выдаёт текст, поддерживает английский язык и имеет контекстное окно до 131 072 токенов. Модель распространяется в формате safetensors через Transformers. Метаданные указывают лицензию Apache-2.0, тогда как README обозначает лицензию llama3.1 и формулировку «Open Source with Responsible Use»; условия использования следует сверять с лицензией базовой модели Llama 3.1. Подробные результаты оценки качества и сведения о конкретных ограничениях в карточке не приведены.

MeliodasT3q_M7Alloyingotneoy — объединённая текстовая модель семейства Mistral с 7,1 млрд параметров. По карточке она объединяет automerger/MeliodasT3q-7B и automerger/M7Alloyingotneoy-7B. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст до 32 768 токенов; основной язык из доступных сведений определить нельзя. Весы опубликованы в формате Safetensors. Лицензия — Apache-2.0. Подробные оценки качества и специфические ограничения в карточке не описаны.

mergekit-community/mergekit-passthrough-kfpckkg — языковая чат-модель на архитектуре Llama, созданная сообществом с помощью mergekit из Undi95/Meta-Llama-3-8B-Instruct-hf. При слиянии методом passthrough выбраны и объединены диапазоны слоёв исходной модели; для части слоёв заданы нулевые коэффициенты для проекций o_proj и down_proj. Модель предназначена для диалогов и генерации текста по инструкциям. Модель содержит 11,6 млрд параметров, принимает текст и выдаёт текст; для общения с ней предусмотрена возможность chat. Нативный контекст — 8192 токена. Репозиторий использует Transformers и формат safetensors. В метаданных не указана лицензия, поэтому условия использования по имеющимся данным определить нельзя.

MergerixStrangemerges_32-7B — автоматическое слияние моделей, созданное Maxime Labonne на основе Gille/StrangeMerges_32-7B-slerp и MiniMoog/Mergerix-7b-v0.3. В репозитории указаны метод слияния dare_ties, плотность 0,53, вес 0,6 и формат bfloat16; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Лицензия — Apache-2.0. В README не описаны конкретные языки и специализированные сценарии применения.

Модель kamisaiko/model_vistral_inContextLearning — дообученная авторегрессионная чат-модель семейства Mistral, созданная kamisaiko на основе Viet-Mistral/Vistral-7B-Chat. Веса представлены в формате PyTorch; размер модели — 7,1 млрд параметров, нативная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Её обучали с использованием Unsloth и библиотеки TRL. Карточка не описывает отдельные специализированные навыки или конкретные наборы данных. Лицензия — Apache 2.0.

zelk12/MT3-Gen5-MAI-gemma-2-9B_v1 — это объединение двух предварительно обученных языковых моделей Gemma 2, созданное автором репозитория с помощью mergekit и метода SLERP. Модель имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и распространяется в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 8192 токена. В карточке не указаны специализированная область применения и поддерживаемые естественные языки. Использование требует соблюдения лицензии Gemma 2 и условий исходных моделей; конкретная лицензия в предоставленных данных не указана. Поскольку модель получена слиянием, её качество и поведение могут зависеть от сценария, а в карточке нет результатов оценки или подробных рекомендаций по применению.

zelk12/MT5-Gen2-gemma-2-9B — объединённая авторами модель генерации текста на основе Gemma 2, собранная с помощью mergekit методом SLERP из zelk12/MT5-Gen2-BI-gemma-2-9B и zelk12/MT5-Gen2-MMGMAMU-gemma-2-9B. Модель имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и принимает контекст длиной до 8192 токенов. Модель предназначена для диалогового взаимодействия и генерации текста. В карточке приведены результаты оценок Open LLM Leaderboard, включая IFEval и BBH; этих данных недостаточно, чтобы определить специализацию или поддерживаемые естественные языки. Файлы представлены в формате safetensors, библиотека для работы — Transformers. Лицензия в предоставленных данных не указана.

zelk12 выпустил объединённую модель Gemma 2 для диалогов и генерации текста. Она создана методом SLERP с помощью mergekit из моделей zelk12/recoilme-gemma-2-Ifable-9B-v0.1 и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1. Модель имеет плотную архитектуру Gemma2ForCausalLM и содержит 9 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. Репозиторий распространяет веса в формате safetensors и использует библиотеку Transformers. Модель подходит для ведения диалогов и генерации ответов по текстовым инструкциям. README и метаданные не сообщают о специальных прикладных областях или ограничениях качества. Лицензия в предоставленных данных не указана.

zelk12/MT-Max-Merge_02012025163610-MUG-gemma-2-9B — языковая модель, созданная автором репозитория объединением двух моделей Gemma 2 с помощью SLERP в mergekit. Это плотная причинная языковая модель на 9 млрд параметров для генерации текста и диалогового общения; она принимает текст и выдаёт текст. Нативный контекст составляет 8192 токена, модель предназначена для работы через Transformers и распространяется в формате safetensors. Модель подходит для генерации ответов в диалогах и других сценариев генерации текста. Она является объединением моделей zelk12/MT-Max-Merge_02012025163610-GP-gemma-2-MTg4MT5g4-9B и zelk12/MT-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMTM4-9B; README указывает базовую модель объединения zelk12/MT-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMTM4-9B. Языки, специальные отраслевые задачи и условия лицензии в доступных сведениях не определены.

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.

nbeerbower/Qwen3.5-9B-Writing-DPO — дообученная модель семейства Qwen3.5, созданная на базе Qwen/Qwen3.5-9B. Она предназначена для генерации текста в диалоге и сценариев написания текстов; в метаданных также отмечены интерфейсы чата и вызова инструментов. Модель использует плотную архитектуру Qwen3_5ForCausalLM и содержит 7,2 млрд параметров. Она работает через Transformers, распространяется в формате safetensors и имеет заявленный контекст 262 144 токена. Дообучение выполнено на наборе данных schneewolflabs/Athanorlite-DPO; название репозитория указывает на настройку для письма, однако README не содержит подробностей о стиле или качестве генерации. Базовая Qwen3.5 описана в каталоге как мультимодальная, но для этой модели указана текстовая задача text-generation. Лицензия в предоставленных данных не приведена. Возможности генерации зависят от запроса и дообучения; заявленные характеристики качества и ограничения в карточке не описаны.

rizla/rizla-69 — текстовая генеративная модель семейства Llama с плотной архитектурой LlamaForCausalLM и 67,5 млрд параметров. Репозиторий содержит веса в формате safetensors; заявленное контекстное окно — 32 768 токенов. Модель предназначена для генерации текста. В README сказано, что это копия «momo-qwen-72B», однако описание обрезано и не сообщает, как модель обучалась и для каких конкретных сценариев предназначена. Лицензия — Apache-2.0.

ShadowYamshadow_Experiment31Experiment29 — объединённая модель генерации текста, опубликованная MaziyarPanahi. Она создана слиянием automerger/ShadowYamshadow-7B и automerger/Experiment31Experiment29-7B. Модель построена на архитектуре Mistral с плотной структурой и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживая контекст длиной до 32 768 токенов. Веса представлены в формате safetensors. Подходит для генерации продолжений текста и других сценариев текстовой генерации. Метаданные не уточняют специализацию или поддерживаемые языки. Лицензия — Apache-2.0.

QuantFactory/suzume-llama-3-8B-multilingual-GGUF — это квантованная в формате GGUF версия мультиязычной модели lightblue/suzume-llama-3-8B-multilingual, созданная с помощью llama.cpp. Базой служит Meta-Llama-3-8B-Instruct от Meta; исходная модель дообучена примерно на 90 тысячах многоязычных диалогов. Модель предназначена для текстового общения, генерации ответов и инструкционного взаимодействия на нескольких языках. В обучении использовались датасеты с англоязычными, японскими и другими многоязычными диалогами, а оценивание проводилось на немецком, французском, японском, русском, китайском и английском языках. Ключевая особенность — расширенная поддержка неанглийских языков при сохранении возможностей Llama 3 для диалоговых задач. Размер модели — 8B параметров; архитектура унаследована от Llama 3. Модель является текстовой, поддержка изображений и других модальностей не заявлена. Размер контекста в карточке не указан. По MT-Bench модель получила оценки 7,26 на немецком, 7,66 на французском, 6,56 на японском, 8,19 на русском, 7,11 на китайском и 7,73 на английском. Эти результаты указывают на сильные мультиязычные диалоговые способности, однако русская оценка не включала задачи на код, рассуждения и математику, а подробности методики и обучающих данных должны быть дополнительно проверены. Для использования заявлена лицензия Llama 3; в карточке она обозначена как other и приведена ссылка на лицензию Meta-Llama-3-8B-Instruct. Ограничения лицензии, требования к применению и характеристики конкретных квантованных вариантов в README подробно не описаны.

SwedishBeagle-dare — объединённая чат-модель на архитектуре Mistral, созданная с помощью LazyMergekit из Mistral-совместимых моделей timpal0l/Mistral-7B-v0.1-flashback-v2, EmbeddedLLM/Mistral-7B-Merge-14-v0.2 и Nexusflow/Starling-LM-7B-beta. В конфигурации объединения базовой моделью указана mlabonne/NeuralBeagle14-7B; применён метод dare_ties. Модель с 7,1 млрд параметров предназначена для генерации текста и диалоговых ответов. Контекст — до 32 768 токенов. Карточка не описывает отдельные специализированные функции или целевые языки, поэтому её следует рассматривать как чат-модель общего назначения. Модель распространяется по лицензии Apache-2.0. Качество ответов и языковая поддержка могут зависеть от задачи; данных о специализированном обучении и оценках в карточке нет.

Synatra-V0.1-7B-Instruct-Mistral-7B-Instruct-v0.1 — чат-модель, созданная объединением Mistral-7B-Instruct-v0.1 и maywell/Synatra-V0.1-7B-Instruct методом SLERP. Она предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В метаданных карточки указан корейский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не сообщает о специальных ограничениях применения или проверках качества; результаты могут зависеть от формулировки запроса и не гарантируют точности ответов.

TableGPT2-7B — языковая модель Zhejiang University для анализа таблиц и задач, связанных со структурированными данными. Это дообученная модель семейства Qwen2.5 с архитектурой Qwen2ForCausalLM и 7,1 млрд параметров. Она принимает текст и табличные данные, представленные в текстовом виде, например как результат df.head(), и формирует текстовые ответы. Модель предназначена для интерпретации таблиц, генерации кода, ответов на вопросы бизнес-аналитики и обработки запросов к базам данных и хранилищам. В карточке заявлена длина контекста 32 768 токенов; README приводит для обучения конфигурации контекст в 128K токенов, поэтому фактический предел использования следует сверять с настройками конкретной сборки. Модель отдельно описана как декодер, способный работать без специализированного семантического энкодера, интеграция которого ещё готовится. Основной акцент обучения сделан на китайских данных; поддержка других языков, включая английский, может быть ограниченной. Данные обучения имеют срез на октябрь 2024 года, поэтому модель не отражает более поздние сведения. Распространяется по лицензии Apache-2.0.

WestOrcaNeuralMarco-DPO-v2-DARETIES-7B — объединённая языковая модель на архитектуре Mistral, созданная с помощью LazyMergekit из Westlake-7B-v2, kellemar-DPO-Orca-Distilled-7B-SLERP и NeuralMarcoro14-7B. В конфигурации также указана Mistral-7B-v0.1 как базовая модель. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев: она может формулировать ответы и помогать с рассуждениями и продолжением текста. В README приведены результаты оценивания на задачах AI2 Reasoning Challenge и HellaSwag. Репозиторий распространяется по лицензии Apache-2.0.

YamshadowInex12_Experiment31Experiment29 — слитая текстовая модель семейства Mistral, разработанная на основе automerger/YamshadowInex12-7B и automerger/Experiment31Experiment29-7B. Она предназначена для генерации текста и сценариев, где требуется продолжать или создавать текст по входному запросу. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса представлены в формате safetensors. Модель опубликована по лицензии Apache-2.0.

YamshadowStrangemerges_32_Neuralsirkrishnaexperiment26Experiment24 — объединённая языковая модель, опубликованная MaziyarPanahi на Hugging Face. Она предназначена для генерации текста и может использоваться в сценариях, где требуется продолжать или создавать текстовые ответы. Модель построена на архитектуре Mistral с плотной причинно-языковой архитектурой MistralForCausalLM и содержит 7,1 млрд параметров. Она принимает текст, выдаёт текст и поддерживает контекст до 32 768 токенов. Веса доступны в формате safetensors. Модель получена слиянием automerger/YamshadowStrangemerges_32-7B и automerger/Neuralsirkrishnaexperiment26Experiment24-7B. Репозиторий указывает лицензию Apache-2.0. Карточка не описывает специализацию по языкам или предметным областям, поэтому применение следует считать общим; подтверждённые качество и ограничения в README не приводятся.

zephyr-7b-spin-iter1-v0 — диалоговая языковая модель Argilla, дообученная на базе argilla/zephyr-7b-spin-iter0-v0. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста в диалоге и продолжает серию SPIN: в README приведены результаты оценки, включая средний балл MT-Bench 6,603125. Модель поддерживает текстовый ввод и выдаёт текст. Она распространяется по лицензии Apache 2.0. README не описывает конкретные сценарии применения или ограничения качества, поэтому приведённые результаты оценки не следует трактовать как гарантию для всех задач.

agiin-13.6B-v0.0 — диалоговая языковая модель MindsAndCompany на архитектуре семейства Mistral, содержащая 13,7 млрд параметров. По карточке, модель предварительно обучена, настроена для следования инструкциям и дополнительно обучена методом DPO; для запуска указана библиотека Transformers, а веса доступны в формате safetensors. Модель предназначена для генерации ответов в чате и выполнения текстовых запросов. В примере карточки приведён вопрос на корейском языке, однако в метаданных указан английский язык. Модель имеет контекстное окно 4096 токенов и распространяется по лицензии Apache-2.0. Карточка не приводит сравнительных оценок качества или подробных ограничений; возможности за пределами текстовой генерации не заявлены.

mrcuddle/Bagel-Hermes-Lumimaid-Llama3-8B — объединённая разговорная языковая модель на архитектуре Llama, созданная автором репозитория с помощью mergekit методом SLERP из NeverSleep/Lumimaid-v0.2-8B и mrcuddle/Bagel-Hermes-2-Pro-Llama3-8B. В метаданных указано 7,5 млрд параметров и контекст до 131 072 токенов; модель распространяется в формате safetensors и рассчитана на генерацию текста и диалоговые сценарии. Модель можно применять для общения с ассистентом, творческого письма и ролевых диалогов — эти назначения отражены в описании базовой модели. Метаданные также отмечают интерфейс вызова инструментов. Данные о конкретных языках, поддерживаемых этим объединением, в предоставленной карточке не приведены. Лицензия не указана в предоставленных данных.

BgGPT-Gemma-2-9B-IT-v1.0 — языковая модель INSAIT при Софийском университете, построенная на Gemma 2 9B. Это плотный decoder-only трансформер с 9 млрд параметров и контекстом 8192 токена; модель дообучена для следования инструкциям и диалога. Модель предназначена прежде всего для общения и генерации текста на болгарском языке, включая ответы на вопросы, рассуждения и решение учебных задач. Она также сохраняет возможности на английском. При непрерывном предварительном обучении использовалась стратегия Branch-and-Merge и около 100 млрд токенов, из них 85 млрд на болгарском; затем модель дообучили на болгарских инструкциях, составленных на основе реальных диалогов. Модель доступна по условиям Gemma Terms of Use. Для работы рекомендуется формат чата Gemma 2; README предупреждает, что Flash Attention снижает качество работы. Заявления о результатах на бенчмарках приведены авторами модели и не гарантируют качество на конкретных пользовательских задачах.

Calme-7B-Instruct-v0.4 — разговорная языковая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она дообучена на базе Mistral-7B на высококачественных наборах данных и предназначена для генерации связных ответов в диалоге. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель подходит для чат-ботов, ответов на вопросы и других сценариев генерации текста, где важны ясность и последовательность. Доступна в формате safetensors, лицензия — Apache-2.0. В карточке не приведены результаты сравнительных оценок качества; упоминание высококачественных данных не раскрывает их состав.

Chronos-2-Small — небольшая версия модели Chronos-2 от AutoGluon, предназначенная для прогнозирования временных рядов. Она построена на архитектуре T5 и содержит 22 млн параметров по метаданным Hugging Face; README указывает 28 млн параметров. Для работы используется библиотека chronos-forecasting. Модель подходит для построения прогнозов по временным рядам и может применяться как предварительно обученная модель для таких задач. В карточке указаны наборы данных autogluon/chronos_datasets и Salesforce/GiftEvalPretrain. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Данные карточки не уточняют поддерживаемые языки, конкретные отраслевые сценарии и ограничения качества прогнозов.

Модель mrm8488/flan-t5-large-finetuned-openai-summarize_from_feedback — дообученная версия google/flan-t5-large на наборе summarize_from_feedback. Это текстовая модель семейства T5 с архитектурой T5ForConditionalGeneration, содержащая 385,2 млн параметров. Она предназначена для суммаризации текста; в карточке приведены результаты оценки на тестовом наборе: ROUGE-1 30,24, ROUGE-2 11,49, ROUGE-L 24,65 и ROUGE-Lsum 26,18. Нативная длина контекста — 512 токенов. Модель принимает текст и генерирует текстовое резюме. Карточка не уточняет целевые языки или специальные сценарии применения, поэтому результаты для конкретных языков и типов документов не следует предполагать. Модель распространяется под лицензией Apache-2.0.

QuantFactory/granite-7b-lab-GGUF — квантизированная версия модели instructlab/granite-7b-lab, созданная с использованием llama.cpp. В основе лежит IBM Granite-7b-base, а сама модель разработана на базе исследовательского метода IBM Research Large-scale Alignment for chatBots (LAB) с применением Mixtral-8x7B-Instruct в качестве модели-учителя. Модель предназначена для генерации текста и диалоговых сценариев, включая работу со знаниями, базовыми навыками рассуждения и композиционными задачами, такими как творческое письмо. Метод LAB использует таксономически организованные синтетические данные, двухфазное обучение и replay buffer, что позволяет добавлять знания и навыки с меньшим риском катастрофического забывания. Указан английский язык; размер базовой модели — 7B параметров. Другие характеристики, включая длину контекста и поддерживаемые модальности, в карточке не указаны. В качестве сильных сторон заявлены эффективное выравнивание на синтетических данных и широкий охват задач. В приведённом сравнении Granite-7b-lab показывает средний результат 6,69 на MTBench и 51,91 на MMLU (5-shot), однако эти показатели относятся к исходной модели и не обязательно отражают поведение данной GGUF-квантизации. К ограничениям относятся неизвестные параметры квантизации и отсутствие подробностей о производительности, требованиях к ресурсам и безопасной эксплуатации. Модель распространяется по лицензии Apache-2.0.

KARAKURI LM 70B Chat v0.1 — диалоговая языковая модель компании KARAKURI Inc., дообученная на базе KARAKURI LM 70B, которая, в свою очередь, основана на Llama 2 и дополнительно обучалась на японских и многоязычных корпусах. Это плотный авторегрессионный трансформер с архитектурой Llama, содержащий 68,8 млрд параметров и поддерживающий контекст до 4096 токенов. Модель предназначена для многошагового диалога, ответов на вопросы и генерации текста на японском и английском языках. При дообучении применялась техника SteerLM, а обучающие данные включали OASST2, HelpSteer и внутренние диалоговые данные; шаблон позволяет задавать атрибуты ответа, такие как полезность, корректность, подробность и креативность. Разработчик сообщает о высоких результатах на японском MT-Bench и сопоставимом с Llama 2 70B Chat качестве на английском MT-Bench. Модель распространяется в формате safetensors через Transformers. Лицензия указана как other, поэтому перед использованием следует проверить условия на странице модели; конкретные условия в доступных данных не раскрыты. Размер модели требует значительных вычислительных ресурсов, а доступный контекст ограничен 4096 токенами.