III.1Стратегия, продукт и бизнес-модели

xinlai/Llama-3-70B-SFT-Step-DPO — разговорная языковая модель семейства Llama 3, представленная в формате safetensors. Она предназначена для генерации текста и диалогового общения. Модель плотная, содержит 69,5 млрд параметров и поддерживает контекст до 8192 токенов. Название указывает на supervised fine-tuning и обучение методом Direct Preference Optimization, однако README не содержит описания обучения или оценки качества. Модель распространяется по лицензии Apache-2.0.

ruslandev/llama-3-8b-gpt-4o-ru1.0 — диалоговая языковая модель, дообученная автором на базе Meta Llama 3 8B Instruct. Обучение продолжалось одну эпоху на двух NVIDIA A100 на наборе примеров, сформированном из подмножества Tagengo GPT-4 и улучшенном с помощью GPT-4o; около 80% примеров ориентированы на русский язык. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для диалогов и генерации ответов, особенно на русском языке. В карточке автор приводит результаты MT-Bench: 8,12 для русского и 8,01 для английского; эти оценки отражают заявленную автором проверку. Модель доступна в форматах PyTorch и Safetensors, а для локального запуска автор также указывает отдельную GGUF-версию. Лицензия — Llama 3 License.

Llama-3-SauerkrautLM-70b-Instruct — диалоговая языковая модель, созданная VAGO Solutions совместно с Hyperspace.ai на основе Meta-Llama-3-70B-Instruct и настроенная с помощью DPO. Она предназначена для генерации ответов и ведения диалога на немецком и английском языках; в карточке приведены оценки на англоязычных и немецкоязычных тестах, включая MT-Bench и оценку RAG. Модель использует плотную архитектуру LlamaForCausalLM и содержит 69,5 млрд параметров. Контекст — до 8192 токенов. Доступны веса в формате safetensors. В README указана лицензия meta-llama, тогда как метаданные Hugging Face обозначают её как other; условия следует сверять с лицензией базовой модели и карточкой репозитория. Авторы предупреждают, что модель может выдавать неподходящий или неотфильтрованный контент и что её поведение не всегда будет уместным.

M7Yamshadowexperiment28_Experiment29Experiment24 — объединённая модель для генерации текста и диалогов, опубликованная MaziyarPanahi. Она создана на основе automerger/M7Yamshadowexperiment28-7B и automerger/Experiment29Experiment24-7B; архитектура — MistralForCausalLM, размер — 7,1 млрд параметров, формат весов — safetensors. Модель принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации продолжений текста и ведения диалогов. Лицензия — Apache-2.0. В доступной карточке не приведены сведения о языках обучения и результаты оценки качества.

Marcoroni-neural-chat-7B-v1-Mistral-7B-Instruct-v0.1 — объединённая чат-модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием Mistral-7B-Instruct-v0.1 и Marcoroni-neural-chat-7B-v1 методом SLERP; веса представлены в формате safetensors и типе bfloat16. Модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Карточка указывает контекст длиной до 32 768 токенов и английский язык. Модель подходит для чат-ботов, черновиков текстов и ответов на вопросы; фактическое качество зависит от запроса и сценария применения. Лицензия — Apache-2.0. Модель унаследовала ограничения базовых моделей; карточка не описывает отдельные оценки качества или специальные меры безопасности.

MeliodasPercival_01_AlloyingotneoyYam — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/AlloyingotneoyYam-7B. Модель содержит 7,1 млрд параметров и работает с контекстом до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев. Веса опубликованы в формате safetensors; лицензия — Apache 2.0. Карточка не сообщает о специализированной предметной области или языковом профиле модели.

MetaMath-Chupacabra-7B-v2.01-Slerp-Mistral-7B-Instruct-v0.1 — чат-модель, созданная слиянием Mistral-7B-Instruct-v0.1 и Weyaxi/MetaMath-Chupacabra-7B-v2.01-Slerp методом SLERP. Это плотная авторегрессионная модель Mistral с 7,1 млрд параметров, предназначенная для генерации текста в ответ на инструкции и диалоговые запросы. Поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель подходит для диалоговых помощников и задач, где нужно формировать ответы на текстовые запросы. В карточке не приведены сведения о языковом охвате или специализированных областях применения. Лицензия — Apache-2.0.

Mistral-7B-golden-Mistral-7B-Instruct-v0.2-slerp — объединённая диалоговая модель на архитектуре Mistral, созданная слиянием Mistral-7B-Instruct-v0.2 и Mistral-7B-golden методом SLERP. Она предназначена для генерации текста и ответов на инструкции в диалоговом формате. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст; в репозитории представлены веса Safetensors. Указана лицензия Apache-2.0. Карточка описывает конфигурацию слияния, но не приводит сравнительных оценок качества или подробностей о языковом покрытии.

zelk12/MT-Merge1-gemma-2-9B — объединённая разговорная языковая модель на 9 млрд параметров, созданная с помощью mergekit методом SLERP из zelk12/MT5-Gen1-MMGBI-gemma-2-9B и zelk12/MT-Merge1-MAMU-gemma-2-9B. Модель построена на архитектуре Gemma 2 с причинной языковой моделью Gemma2ForCausalLM и предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст; нативный контекст составляет 8192 токена. В карточке приведены результаты Open LLM Leaderboard: среднее значение 33,13, IFEval — 78,86 и BBH — 44,06. Модель распространяется в формате safetensors и использует библиотеку Transformers. Лицензия и специальные языковые ограничения в предоставленных данных не указаны.

Карточка модели Kquant03/NeuralTrix-7B-dpo-relaser на Hugging Face совпадает с карточкой Kquant03/NeuralTrix-7B-dpo-laser, поэтому описание составлено по ней. NeuralTrix-7B-dpo-laser — языковая модель от Kquant03, созданная объединением моделей mlabonne/OmniBeagle-7B, flemmingmiguel/MBX-7B-v3 и AiMavenAi/AiMaven-Prometheus с помощью LazyMergekit и последующим обучением DPO. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров; она генерирует текст по текстовому запросу и поддерживает контекст до 32 768 токенов. Модель подходит для диалогов, ответов на вопросы и других задач генерации текста. В конфигурации слияния также указан mistralai/Mistral-7B-v0.1 как базовая модель; DPO упоминается в карточке, но использованный набор данных не приведён. Модель распространяется по лицензии Apache-2.0.

NeuralTrixlaser-bf16 — объединённая модель для генерации текста и диалогов, опубликованная CultriX. Она основана на архитектуре Mistral и содержит 7,1 млрд параметров; объединение четырёх моделей выполнено с помощью LazyMergekit. Модель принимает текст и генерирует текст, а заявленная длина контекста составляет 32 768 токенов. Модель подходит для диалоговых сценариев и других задач генерации текста. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не приводит оценок качества, описания целевых языков или подробностей ограничений модели.

Omost-Dolphin-2.9-Llama3-8B — языковая модель Omost на архитектуре Llama 3, объединяющая основу llama3-8b с instruct-предобучением Dolphin 2.9. Модель содержит 7,5 млрд параметров, использует плотную архитектуру и опубликована в формате Safetensors с точностью fp16. Для диалога она принимает текст и генерирует текст; заявленная длина контекста составляет 8192 токена. Модель предназначена для диалоговых сценариев и генерации ответов по текстовым запросам. В метаданных указаны библиотека Transformers и возможность чата. Карточка не сообщает отдельные целевые отрасли или поддерживаемые естественные языки. Лицензия в предоставленных сведениях не указана.

Marsouuu/Qwen1_78-ECE-PRYMMAL-Martial — языковая модель для генерации текста, созданная сообществом путём слияния моделей Qwen2.5-1.5B и Qwen2.5-1.5B-Instruct методом SLERP с помощью mergekit. Она предназначена для диалогов и генерации ответов по текстовым запросам. Модель имеет плотную архитектуру Qwen2, содержит 1,5 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Модель распространяется в формате safetensors под лицензией Apache-2.0. Карточка приводит результаты отдельных тестов, включая IFEval и BBH; эти оценки не гарантируют качество на других запросах.

Mushari Alothman дообучил Qwen3-8B-Base методом supervised fine-tuning и выпустил разговорную причинно-следственную языковую модель на 7,6 млрд параметров. Модель предназначена для ответов на вопросы с вариантами выбора, контекстных вопросов и ответов, работы с RAG и выполнения общих инструкций на арабском и английском языках. Модель основана на архитектуре Qwen3 с плотной архитектурой и классом Qwen3ForCausalLM. Она принимает текст и генерирует текст, поддерживает чат, а её родной контекст составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache 2.0. В карточке заявлена настройка на чистое и точное выполнение инструкций и вопросов на арабском и английском языках. Не рекомендуется использовать её для критически важных или требующих реакции в реальном времени решений; фактические ответы следует проверять.

zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1 — слияние языковых моделей Gemma 2, созданное с помощью mergekit и метода SLERP на основе lemon07r/Gemma-2-Ataraxy-v2-9B и recoilme/recoilme-gemma-2-9B-v0.4. Это плотная авторегрессионная модель с архитектурой Gemma2ForCausalLM и 9 млрд параметров, предназначенная для диалогов и генерации текста. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. В конфигурации слияния использована точность bfloat16. Модель подходит для ведения диалогов, выполнения инструкций и творческой генерации текста. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH; этих оценок недостаточно, чтобы судить о качестве во всех сценариях. В доступных сведениях не указаны конкретные поддерживаемые языки. Репозиторий содержит веса в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

sthenno/tempesthenno-ms-0309-001 — объединённая языковая модель, созданная разработчиком sthenno с помощью mergekit. В карточке описано слияние методом Model Stock на основе sthenno-com/miscii-14b-0218 с двумя чекпойнтами tempesthenno-sft-0309-stage1 и моделью fs-01; метаданные указывают связь с базовой моделью как дообучение. Это плотная модель семейства Qwen2 с 14 млрд параметров, предназначенная для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст; заявлены английский и китайский языки, а длина контекста составляет 131072 токена. Файлы представлены в формате safetensors. Указана лицензия Apache-2.0. README описывает способ слияния и состав моделей, но не приводит сравнительных оценок качества или подробных результатов тестирования.

Tess-7B-v1.4 — языковая модель общего назначения из серии Tess, разработанной для генерации текста. Карточка серии сообщает, что Tess-XS-v1.4 обучена на базе Mistral-7B; метаданные этой модели указывают архитектуру MistralForCausalLM и размер 7,1 млрд параметров. Для диалога в README приведён формат с ролями SYSTEM, USER и ASSISTANT. Метаданные указывают контекст до 32 768 токенов и формат весов safetensors. Модель подходит для диалоговых сценариев и других задач генерации текста. В README не описаны специальные навыки, поддерживаемые языки или результаты оценки качества, поэтому их нельзя надёжно уточнить. Лицензия — Apache-2.0.

Anthropic-ai/Aiaudio — модельный проект, представленный в README как сочетание аудиосервиса Claude Audio и независимой открытой языковой модели Claude OSS 9B. При этом README прямо указывает, что Claude OSS 9B не является официальным выпуском Anthropic. Разработчик и точная связь между идентификатором Anthropic-ai/Aiaudio и описанными компонентами не уточняются. Аудиочасть предназначена для автоматической транскрипции речи и её перевода с сохранением смысла, тона, идиом и культурных нюансов. Среди заявленных сценариев — работа исследователей, авторов контента и международных команд; также заявлена идентификация говорящих и распознавание технической терминологии. Для языковой модели указаны диалоги общего назначения, следование инструкциям, рассуждения, написание и суммаризация текстов, многоязычное взаимодействие и помощь в лёгких задачах программирования. Claude OSS 9B описывается как модель с 9 млрд параметров, дообученная на базе Qwen3.5 9B на смеси примерно из 200 000 строк открытых датасетов Hugging Face. Заявлена поддержка более 200 языков и фокус на стабильном поведении ассистента, сохранении идентичности и инструкций. В README приведены ориентиры на базе Qwen3.5 9B: 82,5% на MMLU-Pro, 81,7% на GPQA Diamond и 81,2% на MMMLU. Архитектура, размер контекста, точный набор поддерживаемых аудиомодальностей и параметры инференса не указаны. Лицензия заявлена как MIT.

ArliAI-Llama-3-8B-Dolfin-v0.5 — разговорная модель OwenArli на архитектуре Llama 3, дообученная на базе Meta-Llama-3-8b-Instruct. Она предназначена для генерации ответов и следования инструкциям в диалогах; автор указывает, что использовал улучшенные наборы данных Dolphin и WizardLM, чтобы повысить следование инструкциям и снизить частоту отказов. Модель содержит 7,5 млрд параметров, а её базовый контекст составляет 8192 токена. Дообучение выполнялось методом QLoRA с рангом 64 и alpha 128; README сообщает о последовательностях длиной 2048 токенов при обучении и сохранении качества на контексте 8192 токена. Репозиторий содержит веса Safetensors. Модель рассчитана на текстовый ввод и текстовые ответы. Карточка не приводит отдельные результаты бенчмарков и подробного перечня поддерживаемых языков. Использование регулируется лицензией Meta Llama 3; необходимо соблюдать её условия.

BLOSSOM-v5-14b — разговорная языковая модель, разработанная проектом Blossom и дообученная на базе Qwen1.5-14B. По метаданным, архитектура модели — плотная Qwen2ForCausalLM с 13,4 млрд параметров; она работает с контекстом до 32 768 токенов и распространяется в формате safetensors. Модель предназначена для диалогов, ответов на вопросы и выполнения инструкций, включая задачи с математическими запросами. Обучение проходило в два этапа на наборах Blossom Orca, Wizard, Chat и Math; README сообщает, что данные серии V5 дистиллированы из GPT-4-0125-preview. Основные языки — китайский и английский. Модель принимает текст и генерирует текст. Указанная лицензия — Apache-2.0. README описывает общие разговорные возможности, но не приводит количественных оценок качества или подробных результатов тестирования.

Blur-7b-slerp-v1.44 — объединённая модель для генерации текста, созданная liminerity с помощью Mergekit. Она объединяет liminerity/1 и Inv/Konstanta-7B методом SLERP; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для диалоговой генерации текста и использует контекст до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не описывает специальные предметные области или отдельные ограничения качества; её назначение — общее текстовое общение.

Cydonia-v1.2-Magnum-v4-22B-OLD — объединённая языковая модель на архитектуре Mistral, опубликованная пользователем knifeayumu. Она создана методом task arithmetic с помощью mergekit из TheDrummer/Cydonia-22B-v1.2 и anthracite-org/magnum-v4-22b с равными весами; размер модели — 22 млрд параметров, формат файлов — safetensors, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалогов, включая создание связной прозы на английском языке. Метаданные также отмечают интерфейс для вызова инструментов. Для использования доступны отдельные GGUF-квантизации, однако этот репозиторий содержит исходную объединённую модель в safetensors. Лицензия указана как other, поэтому перед применением следует проверить условия на странице модели.

Dans-PersonalityEngine-v1.0.0-8b — разговорная языковая модель Dans-Archive, созданная полным дообучением и слиянием моделей семейства Llama 3.1. Она предназначена для диалогов, совместного написания текстов и ролевых сценариев, а также для суммаризации и анализа тональности в текстовых конвейерах. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Она принимает и генерирует текст, поддерживает английский язык и использует шаблон запросов ChatML. Заявленная длина контекста — 131 072 токена. В обучении использовались инструкции в один и несколько ходов, ролевые сценарии, текстовые приключения, материалы для соавторства и другие наборы данных. Карточка предупреждает, что модель не проходила выравнивание на безвредность, поэтому её ответы могут содержать вредный контент и требуют проверки при применении. Распространяется по лицензии Apache-2.0.

Experiment28T3q_Experiment29Multi_verse_model — объединённая языковая модель MaziyarPanahi на архитектуре Mistral с плотной архитектурой и 7,1 млрд параметров. Она создана слиянием automerger/Experiment28T3q-7B и automerger/Experiment29Multi_verse_model-7B. Модель предназначена для генерации текста и рассчитана на контекст до 32 768 токенов. В карточке указана лицензия Apache-2.0. Сведения о специализированных сценариях, обучающих данных и языках модели не приводятся.

QuantFactory/gemma-2-9b-it-SimPO-rudpo-GGUF — квантизированная версия модели gemma-2-9b-it-SimPO-rudpo, созданная QuantFactory с использованием llama.cpp. Исходная модель разработана на базе princeton-nlp/gemma-2-9b-it-SimPO и предназначена для генерации текста и диалоговых сценариев. Модель имеет размер 9 миллиардов параметров и ориентирована прежде всего на повышение качества ответов на русском языке по сравнению с базовой моделью. Модель подходит для русскоязычных чат-ботов, ассистентов и других задач текстовой генерации. В тестировании на наборе arena-hard questions на русском языке она получила оценку 91,9 против 90,9 у gemma-2-9b-it-SimPO и 67,0 у gemma-2-9b-it. Однако эти результаты относятся к конкретному тесту и не гарантируют аналогичного качества в других задачах. В README не указаны точный формат квантизации, поддерживаемые языки помимо русского, размер контекста, модальности и требования к аппаратному обеспечению. Лицензия модели — gemma.

suayptalha/HomerCreativeAnvita-Mix-Qw7B — языковая модель, созданная слиянием двух моделей Qwen2.5-7B с помощью метода SLERP и инструмента mergekit. Она предназначена для генерации текста в диалоге и других сценариях, где требуется отвечать на запросы или следовать инструкциям. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2ForCausalLM, хранится в формате safetensors и поддерживает контекст до 32 768 токенов. В карточке приведены результаты оценивания на Open LLM Leaderboard, включая IFEval и BBH; автор заявляет высокие позиции среди моделей до 8B и 13B параметров. Эти результаты не гарантируют качество на конкретных задачах. Модель распространяется по лицензии Apache-2.0. README не уточняет поддерживаемые естественные языки и ограничения безопасного использования.

K2S3-Mistral-7b-v1.2 — текстовая генеративная модель, разработанная K2S3 и дообученная на базе mistralai/Mistral-7B-v0.1. Это плотная авторегрессионная модель семейства Mistral с 7,2 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев по инструкциям. Для обучения методом supervised fine-tuning (SFT) использовались alpaca-gpt4-data и примеры из OpenOrca; проведена полная настройка параметров. Репозиторий содержит веса в формате Safetensors. Модель рассчитана на английский и корейский языки. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Как и другие генеративные языковые модели, она может выдавать неточные или вымышленные сведения.

L3-8B-Intermix-v0.3 — объединённая модель для генерации текста и диалогов, опубликованная bunnycore. Она создана с помощью mergekit методом model_stock на основе bunnycore/L3-Intermix-v0.2, cognitivecomputations/dolphin-2.9-llama3-8b и Orenguteng/Llama-3-8B-Lexi-Uncensored; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров. Модель предназначена для диалогового взаимодействия и генерации ответов; каталог отмечает поддержку чата. Контекст модели составляет 8192 токена. Доступны веса в формате safetensors, лицензия — Apache-2.0. Данных о специализации по конкретным областям или поддерживаемых естественных языках нет.

Llama3-OneForAll-8B — объединённая диалоговая языковая модель, созданная bunnycore с помощью mergekit на основе RemixLlama3-8B, Hermes-2-Theta-Llama-3-8B и Dolphin-2.9-Llama3-8B. Использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текстовые запросы и выдаёт текстовые ответы; заявленная длина контекста — 8192 токена. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Llama 3. Карточка не приводит результатов оценки качества или подробностей о поддерживаемых языках, поэтому их нельзя надёжно определить по имеющимся сведениям.

Llama-3-Stheno-Instruct-8B — англоязычная разговорная модель на архитектуре Llama 3, созданная автором репозитория объединением моделей Sao10K/L3-8B-Stheno-v3.2 и Undi95/Meta-Llama-3-8B-Instruct-hf методом SLERP с помощью mergekit. Модель содержит 7,5 млрд параметров, принимает текстовые запросы и генерирует текст; контекстное окно составляет 8192 токена. Модель предназначена для диалогов, выполнения инструкций и создания текстов, включая ролевые беседы и истории. Веса доступны в формате safetensors, а лицензия указана как llama3. Использование модели требует соблюдения условий этой лицензии.