III.1Стратегия, продукт и бизнес-модели

Jebadiah/hermes-SOVL-stone-l3-8b — объединённая языковая модель на архитектуре Llama 3, созданная с помощью mergekit методом DARE TIES. В объединение вошли ResplendentAI/SOVL_Llama3_8B как базовая модель и NousResearch/Hermes-2-Pro-Llama-3-8B; конфигурация задаёт для Hermes плотность 0,53 и вес 0,4. Модель содержит 7,5 млрд параметров и использует контекст до 8192 токенов. Модель предназначена для диалоговой генерации текста и ответов на запросы в чат-сценариях. Метаданные указывают библиотеку Transformers и формат safetensors. Основой служат модели Llama 3, одна из которых описана в каталоге как дообученная диалоговая модель для следования инструкциям, вызова функций и генерации структурированных данных JSON. Лицензия в предоставленных данных не указана. Качество и ограничения конкретного объединения в README не описаны; возможности базовой модели не гарантируют их сохранение после слияния.

J.O.S.I.E.3-Beta11-7B-slerp — объединённая чат-модель на архитектуре Mistral, созданная Goekdeniz Guelmez с помощью LazyMergekit на основе cognitivecomputations/dolphin-2.8-experiment26-7b и argilla/CapybaraHermes-2.5-Mistral-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста. В карточке указаны английский, немецкий, испанский, французский, японский и китайский языки. Репозиторий предоставляет веса в формате safetensors; README также упоминает запуск GGUF-квантизации Q4_K_M через Ollama. Лицензия — Apache-2.0.

tintnguyen/llama3.2 — дообученная автором tintnguyen языковая модель семейства Llama 3.2 для генерации текста и диалогов. В основе лежит unsloth/Llama-3.2-3B-Instruct-bnb-4bit; модель имеет плотную архитектуру LlamaForCausalLM и 3,2 млрд параметров. Для обучения использовались Unsloth и библиотека TRL.

QuantFactory/Llama3-TAIDE-LX-8B-Chat-Alpha1-GGUF — квантованная версия модели taide/Llama3-TAIDE-LX-8B-Chat-Alpha1, созданная с использованием llama.cpp. Модель относится к семейству Llama3-TAIDE, основанному на Meta LLaMA3-8B и адаптированному проектом TAIDE к языковым и культурным особенностям Тайваня. Она предназначена для генерации текста, многоходового диалога и офисных задач: суммирования, написания статей и писем, а также перевода между китайским и английским языками. Основной акцент сделан на традиционном китайском, тайваньской терминологии и контексте. Модель содержит около 8 миллиардов параметров, поддерживает контекст длиной до 8K токенов и обучалась на 43B токенов традиционного китайского языка. Среди её сильных сторон — ориентация на традиционный китайский, улучшенная работа с тайваньской культурой и терминологией, многоходовые диалоги и прикладные сценарии. Квантование упрощает использование модели, однако может снизить производительность и привести к непредусмотренным проблемам. Лицензия указана как llama3-taide-models-community-license-agreement; применяются условия, опубликованные по ссылке в карточке модели.

Карточка модели munachi02/LonAI_20250122 на Hugging Face совпадает с карточкой chain03/SRole_3181, поэтому описание составлено по ней. chain03/SRole_3181 — объединённая модель для генерации текста и диалогового общения. Она создана методом линейного слияния mergekit из двух предварительно обученных языковых моделей: /root/top1 и /root/top2. Модель использует плотную архитектуру семейства Llama с классом LlamaForCausalLM и содержит 7,5 млрд параметров. Модель рассчитана на генерацию текста и ответы в формате чата. Заявленная длина контекста — 131 072 токена. Веса доступны в формате safetensors; в конфигурации слияния указан тип данных bfloat16. Лицензия в предоставленных сведениях не указана.

Magnolia-v4-12B — языковая модель для генерации текста, созданная автором grimjim слиянием методом SLERP моделей grimjim/Magnolia-v3-12B и intervitens/mini-magnum-12b-v1.1. По сравнению с v3 автор описывает её как вариант с изменённым стилем генерации. Модель построена на архитектуре Mistral, содержит 12,1 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель подходит для диалогов и генерации ответов на нескольких языках, а также для задач продолжения текста. Она распространяется в формате Safetensors; лицензия — Apache-2.0. Качество и языковой охват в README подробно не оцениваются.

Mayo — диалоговая языковая модель, созданная слиянием mlabonne/NeuralBeagle14-7B и openchat/openchat-3.5-0106 с помощью mergekit и метода SLERP. В основе лежит плотная архитектура Mistral с причинным языковым моделированием; размер модели — 7,1 млрд параметров, заявленный контекст — до 32 768 токенов. Модель предназначена для генерации текста в диалоге: она может использоваться для ответов на вопросы, следования инструкциям, рассуждений и творческого письма. Эти сценарии соответствуют характеристикам базовой NeuralBeagle14-7B и назначению компонентов слияния; README не приводит отдельные результаты оценки Mayo. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Сведения о поддерживаемых естественных языках и специальных ограничениях применения в карточке не приведены.

MeliodasT3q_Experiment26Neuralarjuna — объединённая текстовая модель, созданная на основе automerger/MeliodasT3q-7B и automerger/Experiment26Neuralarjuna-7B. Она предназначена для генерации текста и диалогов, включая сценарии с длинными запросами и историей переписки. Модель использует плотную архитектуру Mistral с причинно-следственной языковой моделью и содержит 7,1 млрд параметров. Поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0. Данных о специальных предметных областях или поддерживаемых языках в предоставленной карточке нет.

miiqu-f16 — разговорная языковая модель от Infinimol AI GmbH на архитектуре Llama, представленная в формате safetensors для Transformers. Модель рассчитана на генерацию текста и диалоговое взаимодействие; в README также приведён результат на EQ-Bench — 8-е место в сравнении с несколькими крупными чат-моделями. Заявленное окно контекста — 32 768 токенов. Модель содержит 90,1 млрд параметров по метаданным. README сообщает, что она создана без дообучения и дополнительного обучения; метаданные помечают её как слияние, поэтому происхождение следует считать слиянием моделей. Доступны варианты GGUF Q4_K_M и EXL2 5.0 bpw. Для диалогов указаны шаблоны ChatML и Mistral. Метаданные отмечают поддержку английского, немецкого, французского, испанского и итальянского языков. Лицензия обозначена как other, без конкретных условий в предоставленных данных.

lvkaokao/mistral-7b-finetuned-orca-dpo-v2 — текстовая генеративная модель, дообученная на базе Mistral-7B-v0.1 с использованием открытого датасета Open-Orca/SlimOrca. Она предназначена для генерации ответов и диалоговых сценариев общего назначения. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Карточка указывает на дообучение на инструкционном датасете, поэтому модель подходит для ответов на запросы, следования инструкциям и ведения текстового диалога. В метаданных перечислены Mistral и text-generation; конкретные языковые возможности и отдельные гарантии качества карточка не уточняет.

zelk12/MT2-Gen4-MA-gemma-2-N3N1532-9B — языковая модель Gemma 2 с 9 млрд параметров, созданная слиянием двух моделей методом SLERP с помощью mergekit. В состав слияния вошли nhyha/N3N_gemma-2-9b-it_20241029_1532 и allknowingroger/Gemmaslerp2-9B; веса сохранены в формате safetensors, библиотека для работы — Transformers. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов. Карточка не уточняет поддерживаемые языки и специализированные области применения, поэтому модель следует рассматривать как общего назначения. Репозиторий не сообщает результатов оценки качества или известных ограничений. Лицензия в предоставленных данных не указана.

NeuralsirkrishnaShadow_NeuralsirkrishnaM7 — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/NeuralsirkrishnaM7-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста и диалоговых сценариев; поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Модель принимает текст и выдаёт текст. В карточке не описаны специализированные области применения или языки. Лицензия — Apache 2.0.

OpenBuddy-mixtral-7bx8-v16.3-32k — многоязычная чат-модель семейства Mixtral, опубликованная командой OpenBuddy. Она предназначена для диалогов и генерации текста; архитектура — Mixtral MoE, класс MixtralForCausalLM. В репозитории указаны 7,1 млрд параметров и контекст до 32 768 токенов; модель распространяется в формате safetensors и использует библиотеку Transformers. Модель поддерживает китайский, английский, французский, немецкий, японский, корейский, итальянский и русский языки. Лицензия — Apache 2.0. Ответы могут быть ошибочными, вредными или оскорбительными; модель не следует использовать для решений в медицине, финансах, праве и других критически важных сценариях.

mergekit-community/qwen2.5-11B-Mzy — объединённая плотная языковая модель семейства Qwen2.5, созданная с помощью mergekit методом passthrough из AIDC-AI/Marco-o1, djuna/Q2.5-Fuppavy-7B и happzy2633/qwen2.5-7b-ins-v3. Модель содержит 10,8 млрд параметров и предназначена для генерации текста в диалоговых сценариях. Модель принимает текст и выдаёт текст; доступна в формате safetensors для Transformers. Заявленная длина контекста — 32 768 токенов. В README указано, что веса собраны из диапазонов слоёв трёх исходных моделей; детали лицензии и результаты сравнительных оценок в предоставленных данных отсутствуют.

bunnycore/Qwen2.5-3B-Model-Stock-v3 — объединённая разработчиком bunnycore языковая модель семейства Qwen2 для генерации текста и диалогов. Модель создана линейным слиянием с помощью mergekit моделей PowerInfer/SmallThinker-3B-Preview и bunnycore/Qwen2.5-3B-Model-Stock-v2; веса сохранены в формате safetensors. Модель содержит 3,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и поддерживает контекст до 32 768 токенов. Она предназначена для чат-взаимодействия и генерации текста. В карточке указана лицензия Apache-2.0.

Salamander-24B-v1 — разговорная языковая модель Naphula, опубликованная как Checkpoint 82. Это слияние Della нескольких моделей на базе Mistral, включая варианты 2501, 2506 и 2509, а также Fallen Mistral 2503. Модель предназначена для генерации текста и диалоговых сценариев; в метаданных заявлена поддержка чата. Модель использует плотную архитектуру MistralForCausalLM, содержит 23,4 млрд параметров и рассчитана на контекст до 131 072 токенов. README сообщает, что в начальных тестах модель не отказывала в ответах; это наблюдение не заменяет систематическую оценку поведения и безопасности. Лицензия — Apache-2.0.

samantha-1.2-mistral-7b-Mistral-7B-Instruct-v0.1 — объединённая разговорная модель на основе Mistral-7B-Instruct-v0.1 и cognitivecomputations/samantha-1.2-mistral-7b. Разработчик репозитория — MaziyarPanahi; в карточке указан метод слияния SLERP, архитектура MistralForCausalLM и 7,1 млрд параметров. Модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Она принимает текст и выдаёт текст; заявленный нативный контекст — 32 768 токенов. Карточка не уточняет поддерживаемые естественные языки и специализированные области применения. Модель распространяется в формате safetensors по лицензии Apache-2.0. Качество и ограничения исходных компонентов наследуются в объединённой модели; отдельные результаты оценки в карточке не приведены.

SOLAR-0-70b-16bit — языковая модель компании Upstage для генерации текста и выполнения инструкций в диалоге. Это дообученная на основе Llama 2 модель с плотной архитектурой LlamaForCausalLM и 68,7 млрд параметров. Карточка указывает английский язык; модель рассчитана на работу через HuggingFace Transformers. Метаданные задают контекст 4096 токенов, а авторы сообщают о возможности обрабатывать более 10 тысяч входных токенов с настройкой rope_scaling. Модель подходит для ответов на вопросы, диалогов и выполнения текстовых инструкций общего назначения. Upstage оценивала её на ARC-Challenge, HellaSwag, MMLU, TruthfulQA и MT-bench. В описании не заявлены специализированные прикладные области или мультимодальные возможности. Для дообученных чекпойнтов указана лицензия CC BY-NC-4.0, ограничивающая коммерческое использование.

T3qm7xNeuralsirkrishna_YamNeuralsirkrishna — объединённая текстовая модель семейства Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/YamNeuralsirkrishna-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors. Лицензия — Apache-2.0.

MaziyarPanahi/una-cybertron-7b-v2-bf16-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием mistralai/Mistral-7B-Instruct-v0.1 и fblgit/una-cybertron-7b-v2-bf16 методом SLERP; веса представлены в формате safetensors с точностью bfloat16. Модель предназначена для генерации текста, ответов на инструкции и ведения диалога. Её можно использовать в чат-ботах и приложениях, которым нужны ответы на текстовые запросы. Заявленная длина контекста — 32 768 токенов. Модель принимает текст и выдаёт текст. В метаданных не указаны конкретные языки, поэтому нельзя определить, на какие языки она рассчитана. Лицензия — Apache-2.0.

YamshadowStrangemerges_32_T3qm7xStrangemerges_32 — объединённая текстовая модель, созданная из automerger/YamshadowStrangemerges_32-7B и automerger/T3qm7xStrangemerges_32-7B. Она предназначена для генерации текста и работает на плотной архитектуре Mistral с 7,1 млрд параметров; контекст — до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не сообщает о специализированной предметной области или конкретных ограничениях качества.

Zenith-7B-dpo-v2 — диалоговая языковая модель Xenon1 на архитектуре Mistral, дообученная на Mistral-7B-v0.1 с использованием датасета UltraFeedback и методов из статьи Self-Rewarding Language Models. Модель содержит 7,1 млрд параметров, принимает текстовые инструкции в формате Mistral [INST] и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалогов и генерации ответов на инструкции. В архитектуре используются Grouped-Query Attention, Sliding-Window Attention и BPE-токенизатор с поддержкой fallback по байтам. Карточка указывает английский язык. Модель распространяется по лицензии Apache-2.0.

0x Lite — диалоговая языковая модель Ozone AI, дообученная на базе Qwen/Qwen2.5-14B-Instruct. Это плотная модель архитектуры Qwen2 с 14 млрд параметров, предназначенная для генерации текста и общения; README также описывает применение для дополнения текста, суммаризации, перевода и создания контента. Модель принимает текст и выдаёт текст, поддерживает английский и китайский языки, использует формат Safetensors и рассчитана на контекст до 32 768 токенов. В карточке заявлены высокая скорость генерации и пригодность для чат-ботов, письма и учебных задач, однако сравнительные показатели качества и скорости не приведены. Модель распространяется по лицензии Apache-2.0. README содержит инструкцию загрузки через Transformers, но указанный там идентификатор репозитория отличается от идентификатора модели.

AlphaMayo — диалоговая языковая модель, созданная слиянием Eric111/Mayo и mlabonne/AlphaMonarch-7B с помощью mergekit. В основе архитектуры лежит Mistral; модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в формате диалога. Указанная длина контекста — 32 768 токенов. Модель подходит для генерации ответов и выполнения инструкций в чат-сценариях. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. README описывает конфигурацию слияния методом SLERP и точностью bfloat16.

Darwin-28B-KR — разработанная VIDRAFT мультимодальная модель семейства Darwin с примерно 28 млрд параметров на архитектуре Qwen3_5ForConditionalGeneration с гибридным полным и линейным вниманием. Она предназначена прежде всего для общения, понимания, генерации и рассуждений на корейском языке, а также поддерживает рассуждения на английском. Модель умеет анализировать изображения и видео и формулировать ответы на корейском языке. Модель подходит для корейских вопросов и ответов, задач на рассуждение, письма, суммаризации, творческой генерации, перевода между корейским и английским, а также для анализа визуальных материалов. В README приведено сравнение с другими моделями на корейском тесте CLIcK по выборке из 200 вопросов; результат модели — 0,786. Для инференса указана поддержка Transformers и рекомендуемый запуск через vLLM; для BF16 требуется около 55 ГБ видеопамяти. Это объединение Darwin-27B-KR и Darwin-28B-Opus методом evolutionary merge, с последующей identity tuning. Модель опубликована под лицензией Apache-2.0. В метаданных указаны интерфейс чата и интерфейс вызова инструментов; задачи распознавания изображений и видео не представлены отдельными pipeline-тегами, поэтому главная задача — text-generation.

Experiment28M7_NeuralsirkrishnaInex12 — объединённая модель семейства Mistral, созданная из automerger/Experiment28M7-7B и automerger/NeuralsirkrishnaInex12-7B. Она предназначена для генерации текста и диалогов по текстовым запросам. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM, веса сохранены в формате safetensors; длина контекста составляет до 32 768 токенов. Поддерживаемые языки и специализированные области применения в карточке не описаны. Модель распространяется по лицензии Apache-2.0.

MaziyarPanahi/Experiment28M7_Ognoexperiment27M7 — объединённая модель Mistral для генерации текста. Она создана путём слияния моделей automerger/Experiment28M7-7B и automerger/Ognoexperiment27M7-7B и содержит 7,1 млрд параметров. Модель рассчитана на текстовые запросы и может вести диалог; длина контекста составляет до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специальные предметные области или конкретные языки, поэтому её можно рассматривать как модель общего назначения. Качество, языковое покрытие и ограничения в README не раскрыты.

Experiment28M7_PasticheAlloyingotneoy — слитая модель для генерации текста, созданная объединением моделей automerger/Experiment28M7-7B и automerger/PasticheAlloyingotneoy-7B. Она построена на плотной архитектуре Mistral с классом MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Контекст достигает 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель опубликована под лицензией Apache-2.0.

Ice0.50.1-16.01-RP — языковая модель на архитектуре Mistral, созданная объединением предварительно обученных моделей с помощью SLERP через mergekit. Репозиторий содержит веса Safetensors; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Метаданные указывают поддержку диалогового режима и генерации текста. Модель подходит для диалогов и генерации ответов на текстовые запросы. README подтверждает объединение Ice0.40-20.11-RP и IceDrunkenCherryRP-7b-orpo-merged, однако их локальные пути не позволяют определить публичные идентификаторы базовых моделей. Лицензия в предоставленных данных не указана.

JevK5-2B — англоязычная модель для принятия типизированных решений по документам, разработанная как открытая альтернатива Jev компанией TypeSafe; с TypeSafe AI модель не связана. Она принимает документ и вопрос с ответами «да/нет», вариантами выбора или числовой шкалой и за один проход выдаёт вероятности для каждого варианта, не генерируя текст ответа. Модель основана на плотной архитектуре Qwen3.5-2B с 1,7 млрд параметров: адаптер LoRA ранга 16 объединён с весами. Веса доступны в формате safetensors, лицензия — Apache-2.0. Базовая модель поддерживает контекст до 262 144 токенов, но JevK5-2B отказывает в обработке входов длиннее 16 384 токенов. Модель предназначена для извлечения фактов из документов, классификации и маршрутизации по заданным вариантам. В README приведены результаты на вопросах по бизнес-документам и публичном JevBench; авторы отмечают хорошее качество на простых решениях, но более низкое — на стандартных и сложных примерах по сравнению с версией на 4 млрд параметров. Слабые стороны — арифметика, многошаговые запросы, даты, суммы и общие знания; на закрытом наборе JevBench модель не оценивалась. Для применения требуется JevK5 runtime на GPU NVIDIA либо сборка GGUF и llama.cpp на других устройствах.