III.1Стратегия, продукт и бизнес-модели

chujiezheng/tulu-2-dpo-13b-ExPO — разговорная языковая модель на базе Llama, полученная методом ExPO из контрольных точек allenai/tulu-2-dpo-13b и allenai/tulu-2-13b. Разработчик применил экстраполяцию весов с коэффициентом alpha = 0,5 в рамках подхода Weak-to-Strong Extrapolation Expedites Alignment, чтобы улучшить согласование ответов с человеческими предпочтениями. Модель предназначена для диалоговой генерации текста и ответов на запросы. Она содержит 12,9 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. В README приведены результаты оценки ExPO на AlpacaEval 2.0 и MT-Bench для нескольких других моделей; эти результаты не являются прямой оценкой данного чекпойнта. Файлы модели представлены в формате safetensors. Лицензия указана как other, поэтому условия использования следует проверять в карточке модели и у базовых моделей. Ограничение: доступное описание не содержит результатов отдельной оценки именно этого чекпойнта.

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_Experiment27Yam — слитая языковая модель MaziyarPanahi на базе двух моделей: automerger/YamshadowInex12-7B и automerger/Experiment27Yam-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и поддерживающая контекст до 32 768 токенов. Модель принимает текст и генерирует текст; её можно применять для диалогов, написания черновиков и продолжения текста. Репозиторий содержит веса в формате safetensors. Модель доступна 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.

YamT3qm7xp_OgnoShadow — объединённая методом SLERP модель для генерации текста, созданная на основе automerger/YamT3qm7xp-7B и automerger/OgnoShadow-7B. По архитектуре это плотная Mistral-модель с 7,1 млрд параметров, рассчитанная на контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Репозиторий содержит веса в формате safetensors. Модель опубликована под лицензией Apache-2.0.

YamT3qm7xp_ShadowOgno — объединённая методом слияния модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и принимает текстовые запросы; максимальная длина контекста составляет 32 768 токенов. Модель объединяет automerger/YamT3qm7xp-7B и automerger/ShadowOgno-7B. Она распространяется в формате safetensors по лицензии Apache-2.0. Доступные сведения подтверждают назначение для генерации текста, но не описывают специальные навыки или ограничения качества.

Jebadiah/Aria-p1-sand-stone — объединённая модель генерации текста, созданная с помощью mergekit методом DARE TIES на основе Jebadiah/Aria-Laylelemon-sand-stone с включением Jebadiah/Aria-flammen22x-stone-l3-8b. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Контекстное окно составляет до 32 768 токенов; репозиторий содержит веса safetensors, а карточка указывает библиотеку Transformers. README не описывает специализированную предметную область или поддерживаемые языки. Карточка не сообщает результаты оценки качества и конкретные ограничения. Условия лицензии в предоставленных данных не приведены.

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

caTUNABeagle — объединённая текстовая модель, созданная Eric111 с помощью mergekit на основе fblgit/UNA-TheBeagle-7b-v1 и rishiraj/CatPPT-base. Это плотная авторегрессионная модель MistralForCausalLM примерно с 7,1 млрд параметров, предназначенная для генерации текста и диалоговых сценариев. Контекстное окно составляет до 32 768 токенов. Модель принимает текст и генерирует текст. Репозиторий содержит веса Safetensors в формате bfloat16; указана лицензия Apache-2.0. README описывает слияние методом SLERP с настройками, различающимися для слоёв self-attention и MLP. Специальная область применения или основной язык в предоставленных данных не обозначены.

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.

Darwin-9B-KOREA — VIDRAFT Darwin-сериисийн 9-миллиардная плотная языковая модель для двуязычных рассуждений на корейском и английском языках. Она создана слиянием моделей FINAL-Bench/Darwin-9B-Opus и FINAL-Bench/Darwin-9B-NEG методом послойной линейной интерполяции; использует архитектуру семейства Qwen 3.5 и формат Safetensors. Шаблон чата и токенизатор взяты от Darwin-9B-Opus. Модель предназначена для диалогов, ответов на вопросы и задач, где требуется рассуждать, в том числе на английском с последующим ответом на корейском. Разработчик сообщает о равной точности с обеими родительскими моделями на внутреннем тесте из 35 примеров и о доле ответов на корейском 91,3% на 23 корейских вопросах. Для развертывания в BF16 указано около 20 ГБ видеопамяти; автор рекомендует задавать не менее 1024 выходных токенов из-за склонности модели к развернутым рассуждениям. Лицензия — Apache-2.0.

HenryJJ/dolphin-2.6-mistral-7b-dpo-orca-v2 — авторегрессионная языковая модель, подготовленная HenryJJ методом DPO на основе cognitivecomputations/dolphin-2.6-mistral-7b с использованием набора Intel/orca_dpo_pairs. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; для диалогов использует формат ChatML. В карточке указано обучение на 1200 шагах с окном контекста 1024 токена, тогда как метаданные модели задают native context в 32768 токенов. Модель предназначена для генерации текста и диалоговых ответов на английском языке. Её можно применять как чат-ассистента для ответов на запросы и ведения диалога. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

ClaudioItaly/EvolutiontRock — текстовая генеративная модель, созданная с помощью mergekit на основе ClaudioItaly/TopEvolutionWiz. В README описано слияние методом passthrough: в конфигурации последовательно подключены слои базовой модели; каталог классифицирует происхождение как дообучение TopEvolutionWiz. Модель построена на архитектуре Mistral с плотной сетью и имеет 6,7 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Базовая TopEvolutionWiz описана как модель для диалогов и развернутых ответов на вопросы по широкому кругу тем; для EvolutiontRock заявлены контекст до 32 768 токенов и формат весов safetensors. В метаданных указана библиотека Transformers. В README не приведены отдельные результаты оценки качества или конкретные ограничения. Условия лицензии в предоставленных данных не указаны.

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

Experiment28M7_Experiment28Meliodas — объединённая модель для генерации текста, созданная на основе automerger/Experiment28M7-7B и automerger/Experiment28Meliodas-7B. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров; максимальная длина контекста составляет 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Данные не описывают её специализацию по языкам или прикладным областям, поэтому её можно характеризовать только как модель общего назначения. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

ClaudioItaly/Fimbulvetr-Cognitive-11B-V3 — плотная языковая модель семейства Llama, созданная автором репозитория с помощью слияния моделей через passthrough mergekit на основе Sao10K/Fimbulvetr-11B-v2. Модель содержит 10,4 млрд параметров, распространяется в формате safetensors и предназначена для генерации текста, включая диалоговые ответы и задачи, требующие рассуждений и связного понимания текста. Указанный размер контекста — 4096 токенов. Карточка заявляет ориентацию на сложные когнитивные задачи, семантическую связность и рассуждения, однако не приводит результатов сравнительных оценок. Базовая модель описана как ориентированная на английский язык, поэтому английский — основной язык применения. Лицензия в предоставленных данных не указана.

Gemma 2 2B IT — компактная текстовая модель Google, дообученная для следования инструкциям и диалогового взаимодействия на базе google/gemma-2-2b. Это декодерная языковая модель семейства Gemma, работающая по схеме «текст на входе — текст на выходе»; она поддерживается библиотекой Transformers и распространяется в формате Safetensors с открытыми весами по лицензии Gemma. Модель предназначена для генерации текста, ответов на вопросы, суммаризации и диалоговых интерфейсов. Её небольшой размер позволяет запускать её на ноутбуке, настольном компьютере или собственной облачной инфраструктуре с ограниченными ресурсами. В README семейство описано как англоязычное. Ответы могут содержать фактические ошибки и отражать смещения обучающих данных; качество зависит от формулировки запроса и предоставленного контекста. Модель может испытывать трудности со сложными задачами, языковыми нюансами и здравым смыслом. Для приложений, где важны точность и безопасность, необходима проверка результатов и защитные меры.

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.

Модель mfielding92/Grok-3-reasoning-gemma3-12B-distilled-HF — дообученная текстовая модель семейства Gemma 3, опубликованная mfielding92. Она основана на unsloth/gemma-3-12b-it-unsloth-bnb-4bit и предназначена для генерации текста и диалогового взаимодействия. Архитектура — плотная Gemma3ForCausalLM; размер — 11,6 млрд параметров, заявленная длина контекста — 131 072 токена. Модель обучалась с помощью Unsloth и библиотеки TRL. В карточке не описаны отдельные возможности рассуждения Grok, поэтому название репозитория само по себе не подтверждает совместимость или связь с моделью Grok. Поддерживаемый карточкой язык — английский. Модель распространяется по лицензии Apache-2.0.

HelpSteer-filtered-neural-chat-7b-v3-1-7B — объединённая языковая модель на базе Intel/neural-chat-7b-v3-1 и Weyaxi/HelpSteer-filtered-7B-Lora. Она предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Лицензия Apache-2.0 разрешает использование и распространение на её условиях. В карточке нет сведений о поддерживаемых языках и специализированных областях применения.

Hibernates/Hibernates-2B-R1-V1 — плотная декодерная языковая модель на 3,2 млрд параметров по метаданным Hugging Face. Карточка описывает её как эффективную модель для диалогов и рассуждений с поддержкой многоходового общения. В метаданных указана архитектура LlamaForCausalLM и контекст до 131 072 токенов; README, напротив, заявляет собственную архитектуру, 2 млрд параметров и окно в 4096 токенов, поэтому характеристики карточки расходятся с данными каталога. Модель предназначена для генерации текста, следования инструкциям и диалоговых сценариев на английском языке. README заявляет оптимизацию для CPU и GPU, однако также рекомендует не менее 8 ГБ видеопамяти. Модель дообучена на meta-llama/Llama-3.1-8B-Instruct, сохранена в SafeTensors и распространяется по лицензии Apache-2.0. Заявления README о собственной архитектуре и числе параметров не согласуются с метаданными о базовой модели.

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

KangalKhan-Sapphire-7B — языковая модель для генерации текста и диалогов, созданная слиянием моделей argilla/CapybaraHermes-2.5-Mistral-7B и argilla/distilabeled-OpenHermes-2.5-Mistral-7B с помощью LazyMergekit. В основе лежит плотная архитектура Mistral с 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель подходит для диалоговых сценариев и генерации текста. В README описано слияние методом SLERP в формате bfloat16; метаданные указывают формат весов safetensors и возможность чата. Карточка также приводит результаты оценки на отдельных тестах рассуждений и здравого смысла, но они не гарантируют качество на других задачах. Модель распространяется по лицензии Apache-2.0. Данные карточки не уточняют целевые языки или специализированные области применения.

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.

Карточка модели 4bit/Llama-2-7b-chat-hf на Hugging Face совпадает с карточкой NousResearch/Llama-2-7b-chat-hf, поэтому описание составлено по ней. NousResearch/Llama-2-7b-chat-hf — диалоговая языковая модель семейства Llama 2, разработанного Meta и опубликованная в формате Hugging Face Transformers. Это плотный авторегрессионный трансформер с 6,6 млрд параметров; веса представлены в форматах PyTorch и Safetensors. Модель принимает текст и генерирует текст, а её контекст составляет 4096 токенов. Модель дообучена с помощью supervised fine-tuning и обучения с подкреплением по человеческим отзывам для диалогов в формате помощника. Она предназначена для ответов на вопросы, ведения диалога и генерации текста на английском языке. Для ожидаемого поведения нужно соблюдать форматирование Llama 2 Chat с соответствующими маркерами инструкций и токенами. Модель может выдавать неточные, предвзятые или нежелательные ответы, а проведённые оценки не охватывают все возможные сценарии. Данные предобучения имеют срез до сентября 2022 года. Использование регулируется собственной лицензией Meta для Llama 2; для получения весов требуется принять её условия.

Это 7-миллиардная чат-модель Llama 2 от Meta, размещённая пользователем Trelis в шардированном формате для Hugging Face Transformers. Шардирование распределяет веса по нескольким файлам; архитектура модели — авторегрессионный плотный Transformer LlamaForCausalLM. Модель принимает текст и генерирует текст, её контекст в метаданных указан как 2048 токенов. Модель предназначена для диалогов в формате ассистента и генерации текста на английском языке. Её можно использовать для ответов на вопросы, ведения беседы и создания текстовых ответов по инструкциям; для чат-версии необходимо соблюдать формат шаблона Llama 2 с маркерами инструкций и служебными токенами. Карточка указывает, что базовая чат-модель Meta прошла supervised fine-tuning и обучение с обратной связью от людей. Репозиторий содержит шардированную копию весов в формате PyTorch. Использование регулируется специальной лицензией Meta для Llama 2; для доступа к весам требуется принять её условия. Модель может выдавать неточные, предвзятые или нежелательные ответы; её следует проверять и настраивать под конкретное приложение.

Модель promotion/Llama-3.1-8B-TLDR-NBPO-eta0.05 — диалоговая языковая модель на архитектуре Llama, дообученная методом Nash Bargaining Preference Optimization (NBPO) на задаче TL;DR. Она основана на meta-llama/Llama-3.1-8B-Instruct и предназначена для генерации кратких резюме с учётом полноты, точности, лаконичности и полезности. В обучении использовались 300 обновлений оптимизатора и глобальный размер пакета 16; модель содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. В карточке описана оценка независимых показателей предпочтения относительно общей базовой политики на отложенных промптах; качество оценивал Llama-3.3-70B-Instruct. Модель распространяется в формате safetensors по лицензии Llama 3.1. Данные карточки не указывают языковой охват или ограничения на применение сверх условий этой лицензии.

Magpie-Align/Llama-3-8B-Magpie-Pro-SFT-200K-v0.1 — чат-модель, дообученная Magpie-Align на базе meta-llama/Meta-Llama-3-8B на первых 200 тысячах примеров датасета Magpie-Align/Magpie-Pro-300K-Filtered. Она предназначена для диалоговой генерации текста и ответов на запросы. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель представлена в форматах PyTorch и Safetensors. Лицензия — Llama 3. В README автор рекомендует для более высокого качества использовать Magpie-Align/Llama-3-8B-Magpie-Pro-SFT-v0.1.

Llama-3-DARE-v3-8B — объединённая плотная языковая модель на архитектуре Llama, созданная с помощью mergekit методом DARE TIES. В объединение вошли meta-llama/Meta-Llama-3-8B и meta-llama/Meta-Llama-3-8B-Instruct; модель содержит 7,5 млрд параметров и предназначена для генерации текста и диалоговых ответов. Модель работает с текстом, поддерживает контекст до 8192 токенов и использует формат safetensors в библиотеке Transformers. Базовые модели ориентированы на английский язык; отдельных сведений о поддержке других языков карточка не приводит. Лицензия указана как other, поэтому условия использования следует сверить с лицензиями базовых моделей и карточкой репозитория.

wzhouad/Llama3-Instruct-8B-WPO-HB-v2 — диалоговая языковая модель, созданная дообучением Meta-Llama-3-8B-Instruct методом Weighted Preference Optimization (WPO). Метод перенастраивает веса пар предпочтений в зависимости от их вероятности при текущей политике, чтобы приблизить обучение на off-policy данных к on-policy обучению. Для обучения использован гибридный набор предпочтений на основе UltraFeedback, ответов Llama и GPT-4-turbo; README также описывает правила выбора предпочтительных и отклонённых ответов. Модель предназначена для генерации диалоговых ответов и ассистентского текста. Она построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Английский язык указан как язык базовой модели. В README приведены результаты AlpacaEval: LC 53,4, WR 57,3, средняя длина ответа 2472 токена. Модель распространяется в формате safetensors через Transformers. Сведения о лицензии в предоставленных данных отсутствуют.