III.10Проекты, процессы и операционное управление

coolwin20/merged_solar_vortexS — объединённая текстовая модель семейства Llama, созданная с помощью mergekit из Edentns/DataVortexS-10.7B-dpo-v1.6 и LDCC/LDCC-SOLAR-10.7B. В README указан метод объединения SLERP. Модель содержит 8,9 млрд параметров, принимает текст и предназначена для генерации текста; длина контекста — 4096 токенов. Язык применения и специальные предметные области в предоставленных данных не обозначены. Лицензия в предоставленных данных не указана.

Tulu V2.5 DPO 13B — англоязычная чат-модель из серии помощников Tulu, разработанной Allen Institute for AI (AI2). Она дообучена методом DPO на базе Tulu 2 с использованием очищенного набора Argilla Orca DPO Pairs; метаданные указывают базовую модель allenai/tulu-2-13b. Модель с архитектурой Llama 2 содержит 12,9 млрд параметров, принимает текстовые запросы и генерирует текст. Контекст составляет 4096 токенов. Модель предназначена для диалогов с помощником и выполнения инструкций на английском языке, включая ответы на вопросы и генерацию текста. Для лучшего качества следует использовать предусмотренный шаблон чата и соблюдать форматирование сообщений. Модель распространяется по лицензии Apache 2.0. Она не была выровнена на безопасную генерацию в рамках RLHF и не включает фильтрацию ответов во время работы, поэтому может выдавать проблемный контент, особенно в ответ на соответствующие запросы.

Llama-3-ChocoLlama-8B-base — базовая языковая модель семейства ChocoLlama, разработанная Matthieu Meeus и Anthony Rathé и адаптированная для нидерландского языка. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом 8192 токена; она дообучена LoRA на 17 млрд нидерландских токенов. Модель предназначена для генерации и понимания нидерландского текста, а также как основа для последующей адаптации под конкретные задачи. Модель может служить основой для генерации и анализа нидерландских текстов о вакансиях, корпоративной отчётности и законодательстве. Это базовая, а не инструкционная модель: она не рассчитана на надёжный диалог и требует дообучения либо применения инструкционной версии для чат-сценариев. Карточка предупреждает о вероятном ухудшении работы с языками кроме нидерландского, включая английский, и об отсутствии специальной дополнительной фильтрации обучающих данных на предвзятый или вредоносный контент. Репозиторий содержит веса PyTorch; лицензия — Llama 3 Community License.

Multi Master 7B — языковая модель, созданная ibivibiv на основе openchat/openchat-3.5-0106. Разработчик дообучил её с помощью LoRA на наборе данных в стиле Alpaca по нескольким дисциплинам, а затем объединил адаптер с основной моделью. Это модель Mistral для генерации текста с поддержкой диалогового режима; для запросов используется шаблон с разделами Instruction и Response. Модель предназначена для ответов на инструкции и задач из разных дисциплин на английском языке. Она содержит 7,1 млрд параметров, принимает текст и поддерживает контекст длиной до 8192 токенов. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0. В README нет результатов бенчмарков: оценить качество и надёжность ответов по представленным данным нельзя.

T3Q-Platypus-Mistral7B — англоязычная плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, разработанная Chihoon Lee и T3Q. Это дообученная версия bardsai/jaskier-7b-dpo-v6.1 на датасете Open-platypus-Commercial; модель предназначена для генерации текста и ответов на запросы. Поддерживает контекст до 32 768 токенов и работает с текстом на входе и выходе. Распространяется по лицензии Apache-2.0. Подробности о специализации, оценках качества и известных ограничениях в карточке не приведены.

WebSquareAI-Instruct-KoSOLAR-10.7b-v0.5.34 — текстовая генеративная модель, разработанная командой UI Platform компании Inswave Systems. Это дообученная instruct-версия базовой модели LDCC/LDCC-SOLAR-10.7B на архитектуре Llama с 10,7 млрд параметров; она предназначена для генерации текста и выполнения инструкций. Модель принимает текст и генерирует текст. Её контекстное окно составляет 4096 токенов. В метаданных указан английский язык. Для загрузки предусмотрены Transformers и PyTorch; в примере используется точность float16. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

lidiya/bart-base-samsum — англоязычная модель суммаризации диалогов, созданная дообучением facebook/bart-base на наборе SAMSum. Она предназначена для преобразования переписки в краткое связное изложение и подходит, например, для резюме чатов и разговоров. Модель построена на архитектуре BART, содержит 95,2 млн параметров и принимает текст длиной до 1024 токенов; для запуска можно использовать pipeline summarization из Transformers. В карточке приведены оценки на тестировании: ROUGE-1 46,6619, ROUGE-2 23,3285 и ROUGE-L 39,4811. Модель доступна в форматах PyTorch и Safetensors по лицензии Apache-2.0.

Camel-5b — англоязычная инструкционная языковая модель от Writer на архитектуре GPT-2, основанная на Palmyra-Base. Модель дообучена на примерно 70 тысячах пар «инструкция — ответ», подготовленных командой Writer Linguist, и предназначена для выполнения текстовых инструкций и генерации ответов. В метаданных указаны 5 млрд параметров и контекст до 2048 токенов. Модель подходит для создания виртуальных помощников, поддержки клиентов и генерации контента. Она принимает текст и генерирует текст. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Camel предсказывает следующий токен, поэтому её ответы могут быть фактически неверными; README рекомендует проверять и фильтровать результаты человеком. Также возможно неожиданное появление оскорбительного контента.

GrayLine — диалоговая языковая модель, созданная на основе Qwen3-14B и дообученная soob3123. Она предназначена для прямых ответов на вопросы, выполнения инструкций и диалогов без встроенных этических фильтров и склонности добавлять предупреждения или комментарии. Модель принимает текст и генерирует текст; её архитектура — плотная Qwen3ForCausalLM, размер — 14 млрд параметров, контекст — до 40 960 токенов. В метаданных указан английский язык. Модель ориентирована на ответы по широкому кругу тем и исполнение текстовых запросов; в карточке также заявлено использование для поиска информации и ответов в стиле рассуждений. Такая настройка может быть полезна там, где нужны краткие прямые ответы, но модель может выдавать вредный, неподходящий или недостоверный контент без предупреждений и гарантий точности. Доступна по лицензии Apache-2.0.

Kosmos-EVAA-PRP-v26-8B — текстовая генеративная модель, созданная jaspionjader с помощью mergekit. Веса двух предварительно обученных моделей, jaspionjader/Kosmos-EVAA-TSN-v21-8B и jaspionjader/Kosmos-EVAA-PRP-v25-8B, объединены методом SLERP; архитектура — плотная Llama с 7,5 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Она использует библиотеку Transformers и поддерживает контекст до 8192 токенов. Карточка не описывает специализированную область применения или конкретные языки. Репозиторий распространяет веса в формате safetensors; лицензия в предоставленных данных не указана.

BEE-spoke-data/pegasus-x-base-synthsumm_open-16k — англоязычная модель для создания кратких пересказов, разработанная на основе Google PEGASUS-X Base и дообученная на синтетических кратких пересказах длинных документов из разных источников и областей. Это модель типа encoder-decoder с архитектурой Pegasus-X, содержащая 187,1 млн параметров и принимающая контекст до 16 384 токенов. Модель предназначена для обобщения длинных текстов и заявлена как универсальная модель суммаризации для своего размера. В README рекомендуется декодирование с beam search. Модель работает с текстом на входе и выдаёт текстовый пересказ; карточка указывает английский язык. Распространяется под лицензией Apache-2.0. README отмечает, что качество модели оказалось неожиданно хорошим, но не приводит количественных оценок или подробного сравнения; данные обучения состоят из синтетических пересказов, поэтому качество может зависеть от соответствия исходного текста обучающим данным.

Tulu V2.5 DPO 13B UltraFeedback Overall — это англоязычная чат-модель-помощник, разработанная Allen Institute for AI (AI2). Она построена на плотной архитектуре Llama и содержит 12,9 млрд параметров. Модель дообучена на Tulu 2 с помощью DPO: примеры из набора UltraFeedback ранжировались по общей оценке, чтобы определить предпочтительные и отклонённые ответы. Для диалога использует шаблон чата, включённый в токенизатор; длина контекста — 4096 токенов. Модель предназначена для следования инструкциям, ответов на вопросы и генерации текста в диалогах с помощником. Она обучалась на смеси инструкций и синтетических диалогов, а затем на данных предпочтений. Лицензия — Apache 2.0. Модель не была специально выровнена для безопасных ответов и не использует фильтрацию ответов во время работы, поэтому может выдавать проблемный контент, особенно по соответствующим запросам. Языковая поддержка заявлена для английского.

DataDecide-dclm-baseline-1B-5500057500600006250065000weightedavgmerge — объединённая авторегрессионная языковая модель на архитектуре Llama, созданная с помощью mergekit из пяти контрольных точек предварительно обученной модели DCLM baseline. Для слияния использован линейный метод, а контрольная точка step65000 указана как базовая. Модель предназначена для генерации текста.

Dolphin 2.9.3 Qwen2 0.5B — разговорная модель-ассистент, подготовленная Эриком Хартфордом, Лукасом Аткинсом, Фернандо Фернандесом и командой Cognitive Computations. Это плотная авторегрессионная модель семейства Qwen2 примерно на 494 млн параметров, дообученная на основе Qwen/Qwen2-0.5B для диалогов и выполнения инструкций. Она принимает текст и генерирует текст; заявленная базовая длина контекста — 128 тыс. токенов, однако полновесное дообучение проводилось на последовательностях длиной 16 тыс. токенов. Модель подходит для прототипов чат-ассистентов, ответов на вопросы и других текстовых задач по инструкции. При дообучении исключили наборы данных для программирования, вызова функций и многоязычных системных сообщений, поэтому такие возможности не следует считать целевыми или надёжно подтверждёнными. Авторы описывают Dolphin как uncensored и отмечают повышенную готовность следовать запросам, включая небезопасные; перед предоставлением модели пользователям рекомендуется добавить собственный слой ограничений. Лицензия Apache-2.0 допускает коммерческое использование в соответствии с её условиями.

GLiNER2.5-Decide — англоязычная модель классификации Fastino из семейства GLiNER2.5, дообученная на базе fastino/gliner2-large-v1. Модель размером 340 млн параметров принимает текст и заданный при вызове набор меток, а затем классифицирует текст за один проход; несколько задач классификации можно выполнить одновременно. Для одиночной метки возвращается один класс, для многометочной — все классы выше порога. Модель использует архитектуру GLiNER2 и запускается через Transformers с AutoExtractor. Она предназначена для операционных решений: классификации намерений и тональности, маршрутизации сообщений, определения срочности и приоритета, модерации и других задач с настраиваемыми метками. Разработчик приводит бенчмарк на английском наборе fastino/fast-decisions: средняя точность exact match — 60,2% по 17 областям. По описанию автора, модель не является универсальной: она не предназначена для рассуждений, объяснений или ответов на открытые вопросы. Лицензия — Apache-2.0.

Liquid AI разработала LFM2.5-Encoder-350-Policy-Linter — дообученную модель семейства LFM2.5 с двунаправленным энкодером и специальной головой сопоставления правил. За один проход энкодера она оценивает каждый токен текста относительно правил, заданных обычным текстом, и предназначена для проверки документов на соответствие внутренним политикам и требованиям компании. Модель содержит 444,6 млн параметров, принимает текст и возвращает оценки для его токенов; в метаданных также заявлена задача заполнения пропусков. Базовая модель поддерживает 15 языков: английский, немецкий, испанский, французский, итальянский, нидерландский, польский, португальский, арабский, хинди, японский, русский, турецкий, вьетнамский и китайский. Для загрузки требуется Transformers с включением пользовательского кода через trust_remote_code=True. Лицензия указана как other; конкретные условия следует сверить на странице модели.

Mermaid-Dolphin-Mixtral-2x7b — разговорная языковая модель от TroyDoesAI, созданная слиянием TroyDoesAI/MermaidMistralDPO и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Она предназначена прежде всего для генерации кода диаграмм Mermaid по описаниям, исходному коду и сценариям; в карточке также приведены примеры графов знаний, блок-схем, раскадровок и планирования сценариев. Модель построена на архитектуре Mixtral MoE и содержит 7,1 млрд параметров. Указанный размер контекста — 32 768 токенов; файлы представлены в формате safetensors. Карточка ориентирует на диалоговое использование и генерацию текстового кода Mermaid. Лицензия — CC BY-SA 4.0. README описывает модель как результат слияния, обученный для построения диаграмм, и отмечает, что её поведение зависит от формулировки запроса. Качество не гарантируется; конкретные поддерживаемые языки и ограничения использования сверх условий лицензии в карточке не описаны.

MPT-7B-Instruct — языковая модель MosaicML для выполнения коротких инструкций. Она создана дообучением MPT-7B на данных, производных от Databricks Dolly-15k и Anthropic HH-RLHF. Модель использует модифицированный декодерный трансформер MPTForCausalLM с 6,7 млрд параметров, 32 слоями и 32 головами внимания; среди особенностей архитектуры — FlashAttention и ALiBi без позиционных эмбеддингов. Для загрузки через Transformers требуется включить trust_remote_code=True. Модель предназначена для генерации текста в ответ на инструкции и вопросы. Обучающие данные токенизированы токенизатором GPT-NeoX-20B; сведения о поддерживаемых естественных языках и длине контекста в предоставленных источниках отсутствуют. Модель распространяется по лицензии CC-BY-SA-3.0, допускающей коммерческое использование при соблюдении условий лицензии.

PRIMERA — модель Allen Institute for AI для суммаризации нескольких документов, основанная на пирамидальном маскированном предобучении предложений. Это версия для Hugging Face на архитектуре LED (Longformer Encoder-Decoder) с примерно 252,8 млн параметров и контекстом до 4096 токенов. Модель принимает текст и генерирует текстовое резюме; в карточке указана поддержка английского языка. Модель предназначена для объединения информации из нескольких источников в одно краткое изложение. В проверке на наборе MultiNews авторы сообщают для версии PRIMERA-hf значения ROUGE-1 41,7, ROUGE-2 13,6 и ROUGE-L 20,5; результаты немного отличаются от оригинала из-за различий реализаций Longformer и LED. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Rene-1 31B FP8 — плотная модель принятия решений Salfati Group на архитектуре Rene. Она за один проход читает текстовый документ вместе с набором заданных пользователем вопросов и возвращает вероятности для каждого варианта ответа; текст не генерируется. Поддерживаются вопросы «да/нет», выбор из вариантов и оценка по порядковой шкале. В README заявлены сбалансированный результат 64,18 на 37 из 40 бенчмарков Decision Index 0.2 и медианная ошибка калибровки 0,046 на этих бенчмарках. Модель предназначена для классификации, маршрутизации и приоритизации документов, а также для проверки нескольких критериев и присвоения оценок с оценкой уверенности. FP8-веса позволяют запускать её на одной видеокарте; пакетная обработка поддерживает до 64 запросов и 65 536 упакованных токенов. README не сообщает длину контекста. Ввод изображений обозначен как экспериментальный: модель обучалась только на тексте, а ответы по изображениям не оценивались. Модель не объясняет свои ответы, а её калибровка заметно слабее на отдельных бенчмарках; также не проверена чувствительность к порядку и названиям вариантов. Для использования требуется Transformers и пакет compressed-tensors. Лицензия — Apache-2.0. README рекомендует передавать trust_remote_code=True, предварительно изучив код репозитория и зафиксировав его ревизию.

Tulu V2.5 DPO 13B Nectar — англоязычная диалоговая модель-помощник от Allen Institute for AI (AI2), основанная на Llama 2. Это плотная архитектура Llama с 12,9 млрд параметров, дообученная на инструкциях Tulu 2, а затем настроенная методом DPO на выборке Nectar из данных предпочтений. Модель предназначена для диалогов с помощником и генерации ответов на инструкции; её контекст составляет 4096 токенов. Модель принимает текст и генерирует текст. Для неё заявлена поддержка английского языка; токенизатор содержит шаблон диалога, а карточка рекомендует соблюдать его формат, включая перевод строки после сообщения пользователя. Модель распространяется по лицензии Apache 2.0. В карточке отмечено, что этап RLHF не настраивал модели Tulu на безопасные ответы и что фильтрация ответов не предусмотрена. Поэтому модель может выдавать проблемный контент, особенно по соответствующему запросу.

hongzoh/Yi-6B_Open-Platypus-v2 — дообученная автором hongzoh языковая модель на базе 01-ai/Yi-6B. Она предназначена для генерации текста в ответ на инструкции; обучающий набор Open-Platypus содержит пары инструкций и ответов. Модель использует плотную архитектуру семейства LLaMA и содержит 5,8 млрд параметров. Модель принимает текст и генерирует текст. В метаданных указаны английский язык и контекст до 4096 токенов. Для использования описан загрузчик Transformers. Репозиторий содержит веса PyTorch и Safetensors и распространяется по лицензии Apache-2.0.

Solar Pro 4 — большая языковая модель компании Upstage, предназначенная для длительных задач и агентных сценариев. В карточке указано контекстное окно размером 524 тыс. токенов. Модель рассчитана на работу с длинными документами и задачи офисной продуктивности. README также отмечает поддержку агентных рабочих процессов, но не приводит подробностей об архитектуре, размере модели, языках или условиях лицензии.

Llama-3-70B-Synthia-v3.5 — универсальная языковая модель семейства Llama 3, дообученная разработчиком migtissera на наборе Synthia-v3.5 и других общедоступных данных. Вычислительные ресурсы для обучения предоставила KindoAI. Модель предназначена для следования инструкциям и продолжительных диалогов. Её можно применять для ответов на вопросы, написания и редактирования текста, объяснений и диалоговых сценариев. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и примерно 69,5 млрд параметров; она принимает текст, выдаёт текст и поддерживает контекст до 8192 токенов. В карточке приведены результаты оценивания на нескольких наборах задач, включая IFEval и BBH. Модель может выдавать неточные или вводящие в заблуждение ответы, а также предвзятый, оскорбительный или иной неуместный контент; автор характеризует её как uncensored и рекомендует проверять ответы. Репозиторий содержит веса в формате safetensors. Лицензия — Llama 3 License (llama3).

cloudyu/Meta-Llama-3-70B-Instruct-DPO — чат-модель на архитектуре Llama, созданная на основе meta-llama/Meta-Llama-3-70B-Instruct с применением DPO-дообучения по jondurbin/truthy-dpo-v0.1. Она предназначена для генерации ответов в диалоге и других текстовых сценариев с инструкциями. Модель содержит 69,5 млрд параметров, принимает текст и имеет контекст длиной до 8192 токенов. Веса доступны в формате safetensors. Лицензия — Apache-2.0.

Saba2-14B-Preview — объединённая Sakalti модель генерации текста на базе архитектуры Qwen2. Разработчик объединил SuperNova-Medius и Virtuoso-Small методом TIES с помощью mergekit; модель содержит 14 млрд параметров и принимает контекст длиной до 131 072 токенов. Она предназначена для диалогов и генерации текста, включая сценарии следования инструкциям и рассуждений, связанные с базовой моделью Virtuoso-Small. Модель доступна в формате safetensors и распространяется по лицензии Apache-2.0.

Instruct_Llama3_8B — авторегрессионная языковая модель на архитектуре Llama 3, дообученная Brillibits на разнообразных источниках данных. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста по инструкциям на английском языке; для общения используется формат промпта с системной частью и инструкцией. Модель обучали два этапа эпох с использованием QDora; в README указан контекст обучения 4096 токенов, а в метаданных — нативный контекст 8192 токена. Подходит для ответов на вопросы, выполнения текстовых инструкций и других сценариев генерации текста. Доступна в формате safetensors по лицензии Llama 3.

AI21-Jamba2-3B — компактная языковая модель компании AI21 Labs для локального развёртывания на телефонах и персональных компьютерах. Она содержит 2,3 млрд параметров и использует архитектуру Jamba, сочетающую слои Mamba и Transformer; модель доступна через библиотеку Transformers и предназначена для генерации текста в диалоговом режиме. Модель подходит для следования инструкциям, ответов с опорой на предоставленный контекст, работы с длинными документами и сценариев RAG, в том числе при обработке технической и корпоративной документации. Контекстное окно составляет 256 000 токенов. По карточке, обучение включало дообучение на инструкциях, оптимизацию DPO и этапы обучения с подкреплением; заявлены результаты на бенчмарках instruction following и grounding. Модель выпущена под лицензией Apache 2.0, допускающей коммерческое использование. Компактный размер рассчитан на устройства с ограниченными ресурсами, однако качество конкретных ответов следует проверять на целевых задачах; сведения о поддерживаемых естественных языках в предоставленных данных отсутствуют.

Gemma 1.1 7B IT — инструктивно дообученная текстовая языковая модель Google из семейства Gemma, созданного на основе исследований и технологий Gemini. Это декодерная модель с открытыми весами, рассчитанная на диалог и генерацию текста по инструкциям; её можно запускать на компьютере или в собственной облачной инфраструктуре. Модель подходит для ответов на вопросы, суммаризации, рассуждений, создания текстов и разговорных интерфейсов. В карточке семейства указана поддержка английского языка. Относительно компактный размер облегчает развёртывание при ограниченных вычислительных ресурсах, однако конкретный объём параметров и длина контекста в предоставленных данных не приведены. Ответы могут содержать фактические ошибки, отражать смещения обучающих данных и не учитывать тонкие языковые нюансы; качество также зависит от формулировки запроса и контекста. Для Gemma действует лицензия Gemma; при использовании следует соблюдать её условия и политику запрещённого использования Google.

Marcoroni-neural-chat-7B-v1-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная слиянием Mistral-7B-Instruct-v0.2 и Toten5/Marcoroni-neural-chat-7B-v1 методом SLERP. Модель построена на архитектуре Mistral с плотной причинной языковой моделью и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и ответов на инструкции в диалоговом формате. Контекст составляет до 32 768 токенов, поэтому её можно применять для многошаговых бесед и работы с длинными текстовыми запросами. Метаданные не устанавливают конкретные поддерживаемые естественные языки. Веса представлены в формате Safetensors, тип данных при слиянии указан как bfloat16. Лицензия — Apache-2.0. Качество и поведение могут зависеть от формулировки запроса; ограничения по языкам и отдельным прикладным областям в предоставленных данных не описаны.