III.1Стратегия, продукт и бизнес-модели

WesPro/PsykidelicLlama3 — объединённая языковая модель семейства Llama 3, созданная WesPro с помощью mergekit и метода DARE TIES. В качестве базовой модели использована mlabonne/ChimeraLlama-3-8B; в объединение также вошли cognitivecomputations/dolphin-2.9-llama3-8b, nbeerbower/llama-3-dragonmaid-8B и WesPro/F2PhenotypeDPO. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и рассчитана на генерацию текста в диалоговом формате: ответы на вопросы, ведение беседы и создание текстов. Нативная длина контекста — 8192 токена. Для загрузки доступны веса safetensors через Transformers. Модель предназначена для экспериментов и прикладных сценариев с текстовым помощником. README и метаданные не описывают отдельные ограничения качества или условия лицензии, поэтому их нельзя уточнить по имеющимся данным.

ChuGyouk/Qwen3-4B-DeepWriting-SFT — это дообученная модель генерации текста на основе unsloth/Qwen3-4B-Base, разработанная ChuGyouk и обученная с помощью TRL. Она предназначена для создания развернутых текстовых ответов и диалогового использования; пример в карточке показывает ответ на вопрос с аргументацией выбора. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и рассчитана на контекст до 32 768 токенов. Для работы указаны Transformers и формат весов safetensors. Лицензия в доступных данных не указана.

Spaetzle-v68-7b — слитая модель на 7,1 млрд параметров, созданная автором cstr с помощью LazyMergekit из Spaetzle-v65-7b и Spaetzle-v64-7b. Она использует плотную архитектуру Mistral и предназначена для генерации текста в диалоговом формате. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Слияние выполнено методом DARE-TIES с маской int8 и сохранением весов в bfloat16. Модель можно использовать для диалоговых ответов и других задач генерации текста. README не приводит результатов оценки качества или подробного перечня поддерживаемых языков, поэтому конкретные преимущества и языковое покрытие установить нельзя. Лицензия — CC-BY-NC-SA-4.0: использование ограничено некоммерческими условиями и требованием ShareAlike.

SuperMente-7B-v2 — объединённая модель для генерации текста на базе архитектуры Mistral, созданная с помощью LazyMergekit из NousResearch/Hermes-2-Pro-Mistral-7B, mlabonne/AlphaMonarch-7B и Weyaxi/Einstein-v4-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста. В метаданных указана возможность чата; карточка не описывает отдельные сценарии, языки или специализированные области применения. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

Unichat-llama3-Chinese-8B — диалоговая модель генерации текста, выпущенная AI-инновационным центром China Unicom. Это модель семейства Llama 3 с плотной архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров, дообученная всеми параметрами на китайских инструкционных данных. Она предназначена для вопросов и ответов на китайском языке и поддерживает диалоговые сценарии; в примерах также показаны решение математических задач и подготовка предложений для разных отраслей. Модель сохраняет исходный контекст длиной 8192 токена. В карточке заявлены китайский и английский языки, формат весов PyTorch и лицензия Apache-2.0. Ответы могут содержать ошибки; примеры в карточке не гарантируют точности, а медицинские и другие профессиональные ответы требуют проверки специалистом.

QuixiAI/WizardLM-33B-V1.0-Uncensored — языковая модель семейства LLaMA, представленная как переобученная версия WizardLM с отфильтрованным набором данных, чтобы уменьшить число отказов, уклончивых ответов и проявления смещения. Она предназначена для генерации ответов на инструкции и диалогов в стиле шаблона Vicuna-1.1. Модель содержит 32,3 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает контекст до 2048 токенов. Модель ориентирована на англоязычные запросы и более послушное выполнение инструкций; автор отдельно отмечает, что она не лишена ограничений и не является полностью «нецензурированной». В карточке приведены результаты оценок на бенчмарках ARC и HellaSwag. Репозиторий содержит веса PyTorch. Лицензия указана как other, поэтому условия использования следует уточнять по материалам репозитория.

Zephyr 7B β — чат-модель, разработанная Hugging Face H4 как вторая версия серии Zephyr. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, дообученная методом Direct Preference Optimization на синтетических диалогах UltraChat и предпочтениях из UltraFeedback. Она предназначена для общения в формате помощника и генерации ответов на английском языке; длина контекста составляет 32 768 токенов. В карточке описаны хорошие результаты на MT-Bench и AlpacaEval на момент выпуска. Модель уступает более крупным и проприетарным системам в сложных задачах программирования и математики. Она не прошла этап RLHF для выравнивания с человеческими предпочтениями по безопасности и может выдавать проблемный контент, особенно по соответствующему запросу. Распространяется по лицензии MIT.

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.

recoilme/Gemma-2-Ataraxy-Gemmasutra-9B-slerp — слитая диалоговая языковая модель на архитектуре Gemma 2 с 9 млрд параметров. В метаданных указана базовая модель lemon07r/Gemma-2-Ataraxy-9B; веса опубликованы в формате Safetensors, модель предназначена для генерации текста и общения.

Grafted-Wind-Elementals-2x70B — языковая модель для генерации текста, созданная как MoE-слияние моделей alchemonaut/BoreanGale-70B и ShinojiResearch/Senku-70B-Full. В карточке она описана как модель с сильными навыками письма; также приведены результаты оценки на задачах рассуждения и понимания текста. Архитектура репозитория — Mixtral MoE с классом MixtralForCausalLM, а объём модели по метаданным составляет 68,7 млрд параметров. Модель предназначена для генерации текста и диалогов. Она принимает текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. README указывает на лицензию только для некоммерческого исследовательского использования. Английский язык указан в описании базовой модели каталога; другие языки карточкой не подтверждены.

Ice0.51-16.01-RP — объединённая языковая модель на архитектуре Mistral, созданная методом SLERP с помощью mergekit. Модель содержит около 7,1 млрд параметров, работает с контекстом до 32 768 токенов и предназначена для генерации текста в диалоговом формате. Модель принимает текст и выдаёт текст; её можно использовать для ведения беседы и генерации ответов. В README указана лицензия?

M7Yamshadowexperiment28_YamM7 — объединённая модель семейства Mistral, созданная из automerger/M7Yamshadowexperiment28-7B и automerger/YamM7-7B. Модель содержит 7,1 млрд параметров и использует архитектуру MistralForCausalLM; для работы с текстом доступен контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Её можно использовать для составления ответов, продолжения текста и разговорного взаимодействия. В карточке модели не приведены сведения о специализации или языковом охвате. Модель распространяется по лицензии Apache-2.0. README не сообщает о результатах оценки качества или известных ограничениях.

MoMo-72B-LoRA-V1.4 — языковая модель Moreh для генерации текста, дообученная методом SFT с LoRA на базе QWEN-72B. Для обучения использовалась платформа MoAI и набор данных Open-Orca/SlimOrca; слияние весов не выполнялось, а обученные веса были согласованы с архитектурой Llama для совместимости с ней. Модель представляет собой плотную авторегрессионную архитектуру LlamaForCausalLM примерно на 71 млрд параметров, распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель подходит для генерации ответов и текста по запросу, в том числе в сценариях диалогового ассистента. В карточке приведены результаты отдельных оценок, однако часть значений отмечена как TBU, поэтому они не дают полной картины качества. В метаданных указан английский язык. Лицензия — MIT.

Карточка модели TigerByteCyber/roberta-base-zeroshot-v2.0-c на Hugging Face совпадает с карточкой MoritzLaurer/roberta-base-zeroshot-v2.0-c, поэтому описание составлено по ней. Moritz Laurer разработал roberta-base-zeroshot-v2.0-c — модель для классификации текстов без размеченных примеров. Это дообученная RoBERTa-base с 151,8 млн параметров, настроенная на задачу вывода по естественному языку: модель оценивает, следует ли гипотеза из текста. Hugging Face pipeline позволяет представить разные задачи классификации как проверку гипотез для заданных классов; можно выбрать один класс или разрешить несколько. Модель предназначена для эффективной работы на CPU и GPU и совместима с производственными контейнерами Hugging Face TEI. В сравнении автора на 28 задачах классификации средний macro-F1 составил 0,587; точность зависит от набора данных и формулировки гипотезы. Модель принимает текст и выдаёт оценки классов. Поддерживаемый язык по карточке — английский; длина контекста — 514 токенов. Вариант с суффиксом «-c» обучен на коммерчески дружественных данных: синтетических текстах, созданных Mixtral-8x7B-Instruct-v0.1, и наборах MNLI и FEVER-NLI. Репозиторий распространяется по лицензии MIT. Модель ограничена задачами классификации текста; возможны смещения из-за базовой модели, данных NLI и синтетических данных.

Модель mt1234/1234456 — разговорная языковая модель, дообученная разработчиком mt1234 на базе unsloth/phi-4-unsloth-bnb-4bit с помощью Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалогах и других сценариях, где требуется получать текстовые ответы на текстовые запросы. Модель имеет плотную архитектуру класса LlamaForCausalLM и содержит 14,1 млрд параметров. Заявленная длина контекста — 16 384 токена; в метаданных указан английский язык. Репозиторий содержит веса PyTorch, а для использования указана лицензия Apache-2.0.

BagelWorldTour — объединённая языковая модель, созданная по запросу kalomaze с помощью mergekit. Она предназначена для генерации текста по запросам и диалогового взаимодействия. В основе лежит архитектура Mixtral с разреженной экспертной сетью (MoE); модель объединяет пять исходных моделей методом DARE TIES, используя mistralai/Mixtral-8x7B-v0.1 как базовую. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель подходит для свободной генерации текста и ответов в диалоге. В состав объединения входят instruct- и DPO-модели, а также Sensualize-Mixtral и limarp-zloss-mixtral, поэтому модель может выдавать откровенный контент. Данных о конкретной лицензии и языковом охвате в предоставленных источниках нет; условия использования следует сверять с лицензиями исходных моделей.

EverythingLM-13b-V3-16k — универсальная текстовая модель для генерации ответов, разработанная на основе Llama 2 и обученная на датасете EverythingLM-V3. Модель содержит 12,9 млрд параметров, использует плотную архитектуру Llama и поддерживает контекст до 16 384 токенов; в карточке указана библиотека PyTorch и формат весов PyTorch. Модель предназначена для диалога и генерации подробных ответов, творческих историй и ролевых сценариев. Разработчик отмечает понимание запросов и автоматически запускаемые рассуждения CoT. Для диалога приведён формат Alpaca-chat с маркерами USER и ASSISTANT. Карточка описывает модель как uncensored, но отмечает, что базовая модель может сопротивляться некоторым запросам и иногда требует подбора формулировок. Это дообучение Llama 2 на EverythingLM-V3; базовая модель использует лицензию Llama 2. Модель опубликована в сентябре 2023 года. Заявленные качества и поведение основаны на описании разработчика и не сопровождаются количественными результатами оценки.

L3.3-Damascus-R1 — созданная SteelSkull модель для генерации текста и диалогов на основе Llama 3.3. Это плотная авторегрессионная модель семейства Llama примерно с 69,5 млрд параметров и контекстом до 131 072 токенов. По карточке, она собрана методом SCE merge из нескольких моделей; среди заявленных компонентов — EVA-LLaMA-3.33, Euryale, Cirrus, Hanami, Anubis и Negative_LLAMA. Каталог также указывает связи с несколькими исходными моделями, включая EVA-LLaMA-3.33-70B-v0.1. Модель общего назначения с особым акцентом на ролевые диалоги и рассказы. Она рассчитана на связное общение, рассуждения и подробное описание сцен; в метаданных также отмечен интерфейс вызова инструментов. Карточка приводит результаты UGI-бенчмарка и рекомендуемые параметры генерации, но эти результаты не гарантируют качество в других задачах. Указанная лицензия — other; конкретные условия использования в карточке не раскрыты.

Luminis-phi-4 — языковая модель, созданная объединением двух предварительно обученных моделей с помощью mergekit и метода SLERP. В состав объединения вошли bunnycore/Phi-4-Model-Stock-v4 и bunnycore/Phi-4-RR-Shoup; параметры модели представлены в формате safetensors, архитектура — плотная LlamaForCausalLM. Разработчик — suayptalha. Модель предназначена для генерации текста и диалогового общения. В карточке приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Модель содержит 14,1 млрд параметров, поддерживает контекст до 16 384 токенов и рассчитана на английский язык. Модель распространяется по лицензии MIT. Карточка не описывает ограничения качества или безопасности; результаты тестов отражают лишь отдельные бенчмарки и не гарантируют качество в конкретных сценариях.

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.

knkarthick выпустил эту модель после дообучения facebook/bart-large-xsum на данных XSUM, SAMSum, DialogSum и AMI. Это encoder-decoder модель BART для суммаризации текстов, в первую очередь диалогов и совещаний. Она содержит 252,8 млн параметров, принимает текст длиной до 1024 токенов и формирует текстовое резюме. Модель распространяется в форматах PyTorch, Safetensors и TensorFlow; лицензия — Apache-2.0. Модель подходит для краткого изложения стенограмм встреч и разговоров, а также других текстов. Карточка указывает английский язык. Ограничение контекста в 1024 токена может затруднить обработку длинных стенограмм целиком; качество для языков, кроме английского, не подтверждено.

Многоязычная модель Tabularis для многометочной классификации эмоций в тексте. Она дообучена на FacebookAI/xlm-roberta-base и присваивает тексту ноль, одну или несколько из 11 меток: гнев, презрение, отвращение, страх, фрустрация, благодарность, радость, любовь, нейтральность, грусть и удивление. Для каждой метки применяется отдельный порог 0,5. Модель предназначена для анализа эмоций в публикациях соцсетей, отзывах и сообщениях клиентов, мониторинга бренда и отслеживания эмоциональной окраски диалогов. Заявлена поддержка 23 языков. В README приведены результаты на отложенном мультиязычном наборе из 11 500 примеров: micro-F1 0,840, macro-F1 0,839 и sample Jaccard 0,794. Обучающие данные синтетические, поэтому показатели на тестовом наборе не гарантируют качество на реальных текстах и разных культурных контекстах. Предсказания следует считать вероятностными сигналами, а не достоверным определением внутреннего состояния человека; перед применением в значимых сценариях нужна проверка на целевых данных. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства и запрещает коммерческое использование.

Multilingual Zero-Shot Classifier large — модель классификации текста без дополнительного обучения, разработанная Horizon Labs. Она сопоставляет текст с заданными пользователем метками через оценку логического следования и подходит для тематической классификации, определения намерений и других задач в стиле NLI. Модель основана на BGE-M3 и архитектуре XLM-RoBERTa; в метаданных указано 658,7 млн параметров. Принимает текст на многих языках, но метки и шаблон гипотезы рекомендуется задавать на английском. Заявлен контекст до 8194 токенов, хотя до 1024 токенов модель дообучалась. Доступны веса safetensors и формат ONNX; лицензия Apache-2.0. Модель предназначена для многоязычной классификации с произвольным набором меток без обучения на конкретной таксономии. Среди сильных сторон — широкий охват языков и возможность применять единый интерфейс zero-shot classification к разным задачам. Качество зависит от формулировок меток и шаблона: общие метки могут преобладать над конкретными, а близкие категории путаться. На языках с меньшими обучающими ресурсами качество ниже; существенная часть обучающих данных синтетическая или машинно-переведённая.

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.

Moritz Laurer разработал roberta-base-zeroshot-v2.0-c — модель для классификации текстов без размеченных примеров. Это дообученная RoBERTa-base с 151,8 млн параметров, настроенная на задачу вывода по естественному языку: модель оценивает, следует ли гипотеза из текста. Hugging Face pipeline позволяет представить разные задачи классификации как проверку гипотез для заданных классов; можно выбрать один класс или разрешить несколько. Модель предназначена для эффективной работы на CPU и GPU и совместима с производственными контейнерами Hugging Face TEI. В сравнении автора на 28 задачах классификации средний macro-F1 составил 0,587; точность зависит от набора данных и формулировки гипотезы. Модель принимает текст и выдаёт оценки классов. Поддерживаемый язык по карточке — английский; длина контекста — 514 токенов. Вариант с суффиксом «-c» обучен на коммерчески дружественных данных: синтетических текстах, созданных Mixtral-8x7B-Instruct-v0.1, и наборах MNLI и FEVER-NLI. Репозиторий распространяется по лицензии MIT. Модель ограничена задачами классификации текста; возможны смещения из-за базовой модели, данных NLI и синтетических данных.

Vora-X-10B — плотная языковая модель для генерации текста и диалогов, созданная автором theocolf с помощью mergekit. Она объединяет слои theocolf/Vora-X-8B и NousResearch/Meta-Llama-3-8B методом Passthrough; архитектура — LlamaForCausalLM, веса доступны в формате safetensors. Модель содержит 9,2 млрд параметров и поддерживает контекст до 8192 токенов. Её можно применять для диалоговых сценариев и генерации текста. В карточке нет сведений о специализированной предметной области или конкретных языках, поэтому их поддержка здесь не уточняется. Лицензия в предоставленных данных не указана.

Xwin-LM-7B-V0.1 — языковая модель команды проекта Xwin-LM, разработанная на основе Llama 2 и дообученная с применением методов выравнивания, включая supervised fine-tuning и RLHF. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текст. Контекст — до 4096 токенов. Модель предназначена для генерации ответов и многоходового диалога по шаблону Vicuna. В README для версии 7B указана доля побед 87,82% на AlpacaEval среди моделей 7B. Авторы отмечают поддержку быстрого инференса через vLLM. Модель распространяется по лицензии Llama 2; её результаты описаны для бенчмарков и не гарантируют качество на произвольных запросах.

YamT3qm7xp_Strangemerges_30Pastiche — объединённая модель на архитектуре Mistral, созданная из automerger/YamT3qm7xp-7B и automerger/Strangemerges_30Pastiche-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате Safetensors по лицензии Apache 2.0. Сведений о специализации, языках и известных ограничениях в карточке нет.

Zebrafish-7B — текстовая модель на архитектуре Mistral, созданная mlabonne методом Model Stock с помощью LazyMergekit. Она объединяет liminerity/M7-7b и rwitz/experiment26-truthy-iter-0; в конфигурации также указана mistralai/Mistral-7B-v0.1 как базовая модель слияния. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В карточке приведены результаты сравнительных оценок по AGIEval, GPT4All, TruthfulQA и Bigbench. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 допускает использование с атрибуцией и ограничивает коммерческое применение.

zephyr-7b-spin-iter0-v0 — диалоговая языковая модель Argilla, дообученная методом SPIN на базе alignment-handbook/zephyr-7b-sft-full с использованием набора argilla/10k_prompts_SPIN_iter0_zephyr_top. Это плотная модель MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; она предназначена для генерации текста и ответов в диалоге. В README приведены результаты оценки, включая средний балл MT-Bench 6,41. Модель принимает текст и генерирует текст. Доступна в формате safetensors под лицензией Apache-2.0. README не приводит подробных сведений о данных обучения и ограничениях; качество ответов и пригодность для конкретных задач следует оценивать отдельно.