III.1Стратегия, продукт и бизнес-модели

Это GGUF-квантизированная версия текстовой генеративной модели Q3-30B-A3B-Designant, разработанной allura-org и преобразованной bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, прежде всего для диалоговых сценариев, ролевого общения и следования инструкциям. В обучении или дообучении заявлено использование наборов данных, связанных с диалогами, персонажами, прозой, рассуждениями, физическим и медицинским анализом, а также instruction following и DPO. Модель доступна в формате GGUF с вариантами квантизации от bf16 и Q8_0 до Q3 и IQ4. Размер файлов зависит от варианта и составляет примерно от 16 до 61 ГБ. Для работы указаны LM Studio, llama.cpp и другие совместимые проекты. Рекомендуемый шаблон запросов использует специальные маркеры ролей <|im_start|> и <|im_end|>. Сведения о поддерживаемых языках, длине контекста, мультимодальности и точной архитектуре в README не приведены; по представленным данным это текстовая, а не мультимодальная модель. Сильной стороной являются различные уровни квантизации, позволяющие выбирать между качеством и требованиями к памяти; варианты Q5 и Q6 описаны как высококачественные, а Q3 — как пригодные для систем с ограниченным объёмом оперативной памяти. К ограничениям относятся возможная потеря качества при более агрессивной квантизации и отсутствие в README сведений о лицензии, поэтому условия использования необходимо уточнять на странице исходной модели и соответствующих наборов данных.

DarkSapling-V2-Ultra-Quality-7B-GGUF — текстовая генеративная модель, разработанная DavidAU на основе Dark Sapling V2 7B, созданной TeeZee. Модель предназначена для следования инструкциям, рассуждений, творческого письма, сторителлинга, ролевого взаимодействия и генерации художественных текстов с нюансами и эмоциональной выразительностью. Модель имеет размер 7B параметров, распространяется в формате GGUF и поддерживает контекст до 32 000 токенов. В README указана поддержка английского языка и текстовая модальность. Доступны различные квантизированные версии; автор утверждает, что ремастеринг и 32-bit upscale повышают качество, особенно в вариантах Q4KM, Q6 и Q8, однако различия между квантизациями могут быть заметны прежде всего в творческих сценариях и задачах без однозначного ответа. Сильными сторонами заявлены улучшенное следование инструкциям, рассуждение, глубина, нюансированность и эмоциональность, а также более эффективное использование контекста. Ограничения включают зависимость качества от выбранной квантизации и оборудования, а также отсутствие подробных независимых оценок в представленном README. Модель распространяется по лицензии Apache-2.0.

Moritz Laurer разработал эту модель для классификации текстов без размечающих примеров. Она дообучена на базе microsoft/deberta-v3-large и использует архитектуру DeBERTa V2 для оценки того, следует ли гипотеза из текста: «верно» или «неверно». Через pipeline Hugging Face этот формат можно применять к разным задачам классификации, задавая формулировки классов и шаблон гипотезы. Модель содержит 533,8 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Её можно запускать на CPU и GPU. В приведённом сравнении она показала более высокую среднюю оценку F1 на 28 задачах классификации, чем указанные модели BART, RoBERTa и базовая DeBERTa, хотя скорость работы ниже, чем у RoBERTa. Карточка отмечает, что формулировки гипотез и названий классов могут влиять на результат. Модель предназначена только для классификации текста. Возможны смещения, унаследованные от базовой модели, данных NLI и синтетических обучающих данных. Лицензия репозитория — MIT; упомянутая в карточке гарантия коммерческой пригодности обучающих данных относится к вариантам с суффиксом «-c», которого в имени этой модели нет.

flammen25-mistral-7B — созданная flammenai объединённая языковая модель на архитектуре Mistral, полученная методом SLERP с помощью mergekit из flammenai/flammen24X-mistral-7B и nbeerbower/KawaiiMahou-mistral-7B. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста, включая чатовые и ролевые диалоги. Базовая модель nbeerbower/KawaiiMahou-mistral-7B описана как дообученная на японских данных предпочтений; карточка данной модели не уточняет отдельные языковые характеристики результата. Лицензия — Apache-2.0.

mrm8488/flan-t5-small-finetuned-openai-summarize_from_feedback — модель семейства T5, дообученная на базе google/flan-t5-small на наборе данных summarize_from_feedback. Она предназначена для суммаризации текстов; в README приведены результаты оценки: ROUGE-1 27,30, ROUGE-2 9,59, ROUGE-L 22,20 и ROUGE-Lsum 23,63. Модель содержит 45,8 млн параметров, использует формат PyTorch и имеет контекст до 512 токенов. Лицензия — Apache-2.0.

martimfasantos/gemma-2-2b-Sum-SFT — дообученная модель Google Gemma 2, подготовленная для суммаризации на наборе martimfasantos/openai-summarize-tldr. Она предназначена для создания кратких изложений текста и может использоваться в сценариях, где нужно сжать длинный материал до более компактного пересказа. Это плотная авторегрессионная языковая модель архитектуры Gemma2ForCausalLM с 2,7 млрд параметров и контекстом до 8192 токенов; формат весов — safetensors. Базовая Gemma 2 ориентирована на английский язык, поэтому модель подходит прежде всего для англоязычных текстов. Указанная лицензия — Gemma; применяйте модель на условиях этой лицензии.

abideen/gemma-2b-openhermes — компактная языковая модель для генерации текста, созданная дообучением Google Gemma 2B Instruct с помощью QLoRA на предпочтениях OpenHermes-2.5. Модель использует плотную архитектуру GemmaForCausalLM, содержит 2,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель принимает текстовые запросы и документы, а в ответ генерирует текст. Она предназначена для диалогов, ответов на вопросы и суммаризации; для разговорного режима следует применять встроенный шаблон чата токенизатора. В README заявлена генерация на английском языке. Карточка приводит результаты нескольких бенчмарков, но сама по себе не гарантирует качество на конкретных прикладных задачах. Модель доступна в формате Safetensors для библиотеки Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Карточка модели QueryloopAI/gemma-2b-openhermes на Hugging Face совпадает с карточкой abideen/gemma-2b-openhermes, поэтому описание составлено по ней. abideen/gemma-2b-openhermes — компактная языковая модель для генерации текста, созданная дообучением Google Gemma 2B Instruct с помощью QLoRA на предпочтениях OpenHermes-2.5. Модель использует плотную архитектуру GemmaForCausalLM, содержит 2,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель принимает текстовые запросы и документы, а в ответ генерирует текст. Она предназначена для диалогов, ответов на вопросы и суммаризации; для разговорного режима следует применять встроенный шаблон чата токенизатора. В README заявлена генерация на английском языке. Карточка приводит результаты нескольких бенчмарков, но сама по себе не гарантирует качество на конкретных прикладных задачах. Модель доступна в формате Safetensors для библиотеки Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Ice0.29-06.11-RP — созданная разработчиком модели Icefog72 объединённая языковая модель для генерации текста и диалогового общения. Она построена на архитектуре Mistral с плотной causal language model и содержит 7,1 млрд параметров; указанный контекст составляет 32 768 токенов. Модель получена слиянием двух предварительно обученных моделей методом SLERP через mergekit. Веса представлены в формате safetensors, тип данных при слиянии — bfloat16. Модель подходит для генерации продолжений текста и ведения диалога. В карточке не приведены сведения о языках, специальных областях применения и количественной оценке качества. Лицензия в доступных данных не указана.

Dogge/llama-3-70B-uncensored — дообученная Dogge разговорная языковая модель семейства Llama 3 с плотной архитектурой LlamaForCausalLM и 69,5 млрд параметров. Базовая модель — unsloth/llama-3-70b-bnb-4bit; для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста и диалоговых ответов на английском языке. Контекст составляет 8192 токена. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Llama-3-DARE-v2-8B — объединённая языковая модель, созданная с помощью mergekit методом DARE TIES. В основе лежит meta-llama/Meta-Llama-3-8B, в объединение также включена meta-llama/Meta-Llama-3-8B-Instruct. Модель разработана автором репозитория rmihaylov и предназначена для генерации текста и диалоговых ответов. Модель имеет архитектуру LlamaForCausalLM с плотной структурой и примерно 7,5 млрд параметров. Она принимает текст и выдаёт текст, поддерживает контекст длиной до 8192 токенов и рассчитана преимущественно на английский язык. Файлы представлены в формате safetensors; библиотека для работы — Transformers. Лицензия указана как other, поэтому условия использования следует сверять с карточками базовых моделей и условиями, указанными автором репозитория. Карточка не сообщает результаты оценки качества или отдельные ограничения модели.

M7Yamshadowexperiment28_Experiment24Shadow — слитая языковая модель, объединяющая automerger/M7Yamshadowexperiment28-7B и automerger/Experiment24Shadow-7B. Модель разработана на архитектуре Mistral с плотной структурой и содержит 7,1 млрд параметров; она предназначена для генерации текста, включая диалоговые сценарии и продолжение заданного текста. Поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель распространяется по лицензии Apache-2.0. В карточке не указаны специальные предметные области или языки. Поскольку происхождение и возможности исходных моделей описаны ограниченно, качество и специализацию результата следует оценивать на целевых задачах.

DazzlingXeno/MagnumChronos — объединённая текстовая модель, созданная автором репозитория с помощью mergekit и метода della. В качестве базовой модели использована elinas/Chronos-Gold-12B-1.0; в объединение также включена anthracite-org/magnum-v2-12b. Модель построена на архитектуре Mistral с плотной causal language model и содержит 12,1 млрд параметров. Она предназначена для генерации текста и диалогового общения. В метаданных заявлена длина контекста 1 024 000 токенов. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана. README не описывает оценку качества или специальные ограничения модели; возможности работы на длинном контексте и качество ответов следует проверять в целевом сценарии.

Hjgugugjhuhjggg/mergekit-ties-kmlzhzo — объединённая диалоговая языковая модель семейства Llama 3.2, созданная с помощью mergekit методом TIES на основе huihui-ai/Llama-3.2-3B-Instruct-abliterated и нескольких моделей bunnycore. Модель содержит 3,2 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалоговых ответов. В объединение вошли варианты, ориентированные на рассуждения, научные темы, навыки, ролевые сценарии и финансовую тематику, поэтому модель может быть полезна для широкого круга чат-сценариев. Метаданные отмечают интерфейс вызова инструментов, но сами по себе не подтверждают качество его работы. В README не приведены результаты оценки качества или подробные ограничения. Лицензия в предоставленных данных не указана.

Kaoeiri/Mistral-magnum_X_Cydonia-v1.3-M — объединение предварительно обученных языковых моделей, созданное методом Model Stock с помощью mergekit. В качестве базовой модели использована unsloth/Mistral-Small-Instruct-2409; в объединение также вошли модели Magnum, Cydonia, SeminalRP, Gutenberg-Doppel и abliterate-версия Mistral Small Instruct. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 22 млрд параметров и контекстом до 131 072 токенов. Модель предназначена для генерации текста и диалогов; её можно применять для написания и продолжения прозы, ролевых диалогов и ответов на запросы. В карточке заявлены интерфейс чата и интерфейс вызова инструментов. Модель работает с текстом; конкретный перечень поддерживаемых естественных языков в источниках не приводится. Весовые файлы представлены в формате safetensors. Лицензия и специальные ограничения использования в предоставленных данных не указаны, поэтому условия следует проверить в карточке модели и у базовых моделей перед внедрением. Поскольку это объединение нескольких моделей, поведение и качество могут зависеть от формулировки запроса; независимые оценки качества в карточке не приведены.

Mistral-Nemo-2407-12B-Estrella-v1 — модель генерации текста на архитектуре Mistral, созданная автором карточки путём слияния нескольких языковых моделей с помощью mergekit. В состав слияния вошли, среди прочих, Mistral-Nemo-Instruct-2407, MN-12B-Celeste, Magnum, Lyra и Lumimaid. Модель содержит 12,1 млрд параметров и заявленный контекст до 1 024 000 токенов. Модель предназначена для диалогов и генерации связных, лаконичных, но творческих ответов. В README рекомендован формат запросов Mistral Instruct; также может подойти ChatML. Автор советует низкую температуру генерации 0,3–0,5. Доступна под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование.

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.

NeuralsirkrishnaShadow_Inex16Calme — объединённая модель на базе двух моделей Mistral: automerger/NeuralsirkrishnaShadow-7B и automerger/Inex16Calme-7B. Она предназначена для генерации текста и диалоговых ответов; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий распространяет веса в формате safetensors, лицензия — Apache-2.0. README не описывает специальные сценарии, языки или ограничения качества модели.

Nova-13B — языковая модель семейства Llama от Weyaxi, дообученная на базе AIDC-ai-business/Luban-13B. Она предназначена для генерации текста и может использоваться в диалоговых и других текстовых приложениях. В карточке указаны 12,9 млрд параметров, контекст до 4096 токенов и веса в формате Safetensors; в метаданных также указан датасет Open-Platypus. README приводит результаты оценки на Open LLM Leaderboard, включая ARC и HellaSwag. Модель поддерживает английский язык. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства на некоммерческих условиях.

RoBERTa TopSeg QMSUM — модель Sentence-Transformers на базе архитектуры RoBERTa, дообученная для кодирования предложений и абзацев в плотные векторы размерностью 768. Она обучалась на наборе QMSUM с расшифровками очных совещаний: фрагменты, относящиеся к одной теме, должны располагаться близко в векторном пространстве. Модель подходит для семантического поиска и кластеризации тематически связанных фрагментов стенограмм. Всего в модели 151,8 млн параметров; максимальный контекст — 514 токенов. Лицензия — CC BY 3.0.

Spaetzle-v66-7b — объединённая модель для генерации текста и диалоговых ответов, созданная cstr с помощью LazyMergekit из flemmingmiguel/NeuDist-Ro-7B, cstr/Spaetzle-v53-7b и ResplendentAI/Flora_DPO_7B. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации продолжений текста и ведения диалога. В карточке не приведены сведения о целевых языках или специализированных областях применения, поэтому её можно описать как модель общего назначения. Репозиторий содержит веса в формате safetensors; лицензия — CC BY-SA 4.0. Качество ответов и языковой охват зависят от составляющих моделей; README отмечает, что сведения о происхождении обучающих данных одной из них, Spaetzle-v53-7b, проследить по этой карточке нельзя. Это объединение весов, а не новая версия базовой модели, полученная обучением на отдельном корпусе.

Stella-mistral-nemo-12B — созданная nbeerbower объединённая языковая модель на архитектуре Mistral, рассчитанная на генерацию текста и диалоговое взаимодействие. Модель размером 12,1 млрд параметров создана методом Model Stock с помощью mergekit; базой слияния послужила nbeerbower/mistral-nemo-gutenberg-12B-v2. В объединение вошли несколько моделей Mistral Nemo, включая варианты для ролевого общения, инструкций и научного текста. Модель предназначена для генерации ответов и продолжения текста в чат-сценариях. Указанная длина контекста — 1 024 000 токенов; модель использует формат весов safetensors и библиотеку Transformers. README не описывает отдельные целевые языки, поэтому их не уточняю. Качество и поведение зависят от конкретного запроса и объединённых исходных моделей; в карточке нет оценок или подробных ограничений применения. Условия лицензии в предоставленных данных не приведены.

TurdusDareBeagle-7B — текстовая генеративная модель, созданная объединением моделей udkai/Turdus и shadowml/DareBeagle-7B с помощью LazyMergekit. В конфигурации указаны метод слияния slerp и тип данных float16; архитектура — плотная Mistral с 7,1 млрд параметров. Модель предназначена для генерации текста и ответов на запросы. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В карточке указана лицензия Apache-2.0. Информация о специальных областях применения и языках в предоставленных данных отсутствует.

Breezeblossom-v4-mistral-2x7B — диалоговая текстовая модель, созданная автором репозитория sam-ezai путём слияния MediaTek-Research/Breeze-7B-Instruct-v0_1 и Azure99/blossom-v4-mistral-7b с помощью LazyMergekit. Она использует архитектуру Mixtral с механизмом смеси экспертов (MoE) и содержит 7,2 млрд параметров. Модель предназначена для генерации текста в диалоговом формате; для неё заявлено контекстное окно до 32 768 токенов. Модель принимает текст и генерирует текст. Базовая Breeze ориентирована преимущественно на традиционный китайский и английский языки, однако README не описывает отдельно языковые возможности итогового слияния. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

ERNIE-21B-A3B-Thinking-Gemini-3-Pro-High-Reasoning-V2 — текстовая MoE-модель Baidu, дообученная DavidAU на наборе TeichAI/gemini-3-pro-preview-high-reasoning-250x с помощью Unsloth. Она предназначена для генерации текста с развёрнутыми рассуждениями, творческого письма и диалогов общего назначения; автор отмечает компактные, но подробные ответы по существу и стабильность рассуждений при изменении температуры. Архитектура указана как Ernie4_5_MoeForCausalLM с 64 экспертами; метаданные сообщают 3,3 млрд параметров, а контекст составляет до 131 072 токенов. Модель работает с текстом и в карточке заявлена как англоязычная. Доступна по лицензии Apache-2.0. Автор предупреждает, что низкобитные квантованные версии могут зацикливаться; качество также зависит от настроек сэмплирования.

MaziyarPanahi/Experiment26Yam_PasticheAlloyingotneoy — слитая модель генерации текста, созданная на основе automerger/Experiment26Yam-7B и automerger/PasticheAlloyingotneoy-7B. Она использует плотную архитектуру Mistral с причинно-языковой моделью MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Она принимает текст и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. В карточке нет сведений о специальных предметных областях или подтверждённых языках.

JevK5-9B v0.3.3 — это открытая модель весом 7,2 млрд параметров, разработанная авторами JevK5 как независимая альтернатива Jev для принятия типизированных решений. Она дообучена на Qwen/Qwen3.5-9B: LoRA-адаптер ранга 16 для проекций внимания объединён с базовыми весами. Для работы с вероятностями вариантов используется протокол SemIf: модель оценивает все варианты за один проход без генерации токенов. Поддерживаются вопросы да/нет, выбор из вариантов и числовая оценка; для вопросов более чем с 16 вариантами применяются несколько проходов. Модель предназначена для классификации состояний и запросов по заданным критериям, маршрутизации обращений, оценки решений и других задач, где нужно получить вероятности по заранее заданным вариантам. В README сообщается о результатах проверок на отложенных наборах, включая тесты с вопросами из областей, не встречавшихся при обучении; качество и калибровка различаются между наборами, а сложная категория JevBench калибруется хуже, чем у версии на 4 млрд параметров. Для инференса авторы рекомендуют JevK5 runtime; для bf16 требуется CUDA GPU примерно с 19 ГБ памяти. Лицензия — Apache-2.0.

Карточка модели paraschopra/llama-31-8b-instruct-regenerated-100-cot на Hugging Face совпадает с карточкой paraschopra/llama-31-8b-instruct-regenerated-100-cot-no-system-prompt, поэтому описание составлено по ней. Модель paraschopra/llama-31-8b-instruct-regenerated-100-cot-no-system-prompt — дообученная версия инструкционной Llama 3.1 8B Instruct. Она предназначена для генерации текста и диалогового взаимодействия. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов; в репозитории используются веса Safetensors. В карточке указаны Unsloth и TRL как инструменты обучения. Модель может применяться для ответов на запросы и генерации текста на английском языке. Лицензия — Apache-2.0. README не приводит оценок качества или подробных результатов обучения, поэтому пригодность для конкретных задач следует проверять на собственных данных.

duyntnet/Llama-3-8B-Synthia-v3.5-imatrix-GGUF — набор квантованных версий языковой модели Llama-3-8B-Synthia-v3.5, разработанной migtissera и опубликованной в формате GGUF с использованием imatrix-квантизации. Модель предназначена для генерации текста и диалоговых сценариев на английском языке; в исходном описании она представлена как ассистент Synthia, способный формировать подробные ответы на пользовательские запросы. Модель основана на архитектуре Llama 3 с размером 8B параметров. Она работает только с текстом, относится к моделям causal language modeling и поддерживает инференс через совместимые инструменты для GGUF. README не содержит сведений о размере контекста, конкретных вариантах квантования, системных требованиях или результатах бенчмарков. Квантование может уменьшать требования к памяти и ускорять локальный запуск, но потенциально снижает точность по сравнению с полной версией модели. Лицензия указана как other; подробные условия использования в README не приведены. Модель следует применять с учетом ограничений исходной Llama-3-8B-Synthia-v3.5 и конкретной лицензии, сопровождающей базовую модель.

MegaQwen-120B — текстовая генеративная модель, созданная разработчиком abideen путём слияния двух копий Qwen1.5-72B с чередованием их параметров. Она предназначена для диалогов и генерации текста. Модель использует плотную архитектуру Qwen2 с декодером Qwen2ForCausalLM, содержит 123,4 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель принимает текст и выдаёт текст; в метаданных заявлена поддержка английского языка и возможность чата. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Доступные сведения не описывают качество или результаты оценки модели.