III.1Стратегия, продукт и бизнес-модели

QuantFactory/Llama-Sentient-3.2-3B-Instruct-GGUF — квантизированная версия модели Llama-Sentient-3.2-3B-Instruct, созданная QuantFactory с использованием llama.cpp. Исходная модель разработана на базе Meta Llama-3.2-3B-Instruct и дообучена на наборе данных mlabonne/lmsys-arena-human-preference-55k-sharegpt. Модель предназначена для генерации текста и диалоговых сценариев с акцентом на следование инструкциям; указанный язык — английский. Модель подходит для чат-ботов, виртуальных ассистентов, клиентской поддержки, создания контента, суммаризации, объяснений, образовательных систем и технических консультаций. Формат GGUF и квантизация ориентированы на запуск через llama.cpp и совместимые инструменты, что может снизить требования к ресурсам по сравнению с полноразмерной версией. Известный размер — 3B параметров; архитектура основана на Llama, а поддерживаемая модальность в карточке ограничена текстом. Сильными сторонами являются компактный размер, ориентация на диалоговое взаимодействие и instruction following. Ограничения включают отсутствие сведений о конкретном варианте квантизации, максимальной длине контекста, производительности на бенчмарках и качестве в языках, кроме английского. Модельная карточка указывает лицензию creativeml-openrail-m; перед использованием необходимо учитывать её условия и ограничения.

llm-jp-3.1-13b-instruct4 — языковая модель семейства LLM-jp, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это плотная Transformer-модель на архитектуре Llama с 13,2 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие. Контекстное окно составляет 4096 токенов; модель распространяется в формате safetensors для Transformers. Модель прошла дополнительное инструкционное предобучение, контролируемое дообучение и выравнивание методом Direct Preference Optimization. Она предназначена для выполнения инструкций, ответов на вопросы и диалога на японском и английском языках. Разработчики сообщают об оценке на японском и английском MT Bench и о проверке безопасности японских ответов. Модель находится на раннем этапе исследований и разработок, и её ответы не гарантированно соответствуют намерениям пользователя или требованиям безопасности. Для запуска README указывает PyTorch, Transformers, Tokenizers, Accelerate и Flash Attention. Лицензия — Apache-2.0.

anthracite-org/magnum-v2.5-12b-kto-gguf — квантизированные в формате GGUF версии Magnum v2.5 KTO, разработанные и опубликованные Anthracite. Модель основана на anthracite-org/magnum-12b-v2 и предназначена для генерации текста и диалоговых сценариев. Она дообучалась с использованием экспериментальной гибридной стратегии обучения с подкреплением KTO и DPOP, ориентированной на повышение качества ответов и следование инструкциям. Модель создана для воспроизведения качества прозы, характерного для Claude 3 Sonnet и Opus, и особенно подходит для чата, написания текстов и выполнения инструкций. Она обучена работать с форматом ChatML. В карточке указаны языки английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский. Размер базовой модели составляет 12 миллиардов параметров; точное окно контекста и перечень поддерживаемых модальностей не указаны, поэтому модель следует считать текстовой. К сильным сторонам относятся ориентация на высокое качество прозы, многоязычность и доступность квантизированных весов для запуска в совместимых средах. Ограничения связаны с экспериментальным характером версии, обучением на ограниченной части преимущественно инструкционных данных и возможной недостаточной обобщающей способностью; заявленные результаты безопасности также не раскрыты. Модель распространяется по лицензии Apache-2.0.

MonaTrix-v4 — объединённая модель для генерации текста на архитектуре Mistral, созданная CultriX с помощью LazyMergekit. В неё вошли Kukedlc/NeuralMaxime-7B-slerp, eren23/ogno-monarch-jaskier-merge-7b и eren23/dpo-binarized-NeutrixOmnibe-7B. Модель содержит 7,1 млрд параметров, поддерживает контекст длиной до 32 768 токенов и распространяется в формате safetensors. Модель подходит для диалоговых ответов и продолжения текста. В метаданных указана лицензия Apache-2.0. Данных о специальных предметных областях или более узких ограничениях в карточке нет.

zelk12/MT-Gen3-gemma-2-9B — объединённая авторами модель на базе Gemma 2, собранная методом SLERP с помощью mergekit из zelk12/MT-Gen3-GB-gemma-2-9B и zelk12/MT-Gen3-IMMMUMA-gemma-2-9B. Это плотная языковая модель с 9 млрд параметров для генерации текста и диалогового взаимодействия; она принимает текст и формирует текстовые ответы. Модель доступна в формате safetensors для Transformers, а README также содержит раздел о статических квантованных сборках GGUF. Контекст — до 8192 токенов. В карточке приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH, но описание сценариев обучения и целевой специализации объединённой модели отсутствует. Для использования доступны веса модели; лицензия в предоставленных данных не указана.

Карточка модели m-a-p/neo_7b_sft_v0.1 на Hugging Face совпадает с карточкой m-a-p/neo_7b_instruct_v0.1, поэтому описание составлено по ней. m-a-p представляет NEO 7B Instruct v0.1 — инструктивно дообученную языковую модель семейства Llama с плотной архитектурой и примерно 7,6 млрд параметров. Репозиторий содержит веса в формате Safetensors; проект описывает модель как открытую и предоставляет сведения о коде, обучающих данных и процессе обучения. Модель предназначена для генерации текста по инструкциям и диалогового взаимодействия. Контекст составляет 8192 токена. В карточке не описаны конкретные языки и специализированные области применения. Модель распространяется по лицензии Apache-2.0. README указывает, что это instruction-tuned версия NEO 7B, но не приводит деталей о качестве, тестировании или ограничениях применения.

RakutenAI-7B-chat — чат-модель компании Rakuten Group, Inc., созданная дообучением RakutenAI-7B. Она предназначена для диалогов и генерации ответов на японском и английском языках. Модель основана на плотной архитектуре Mistral и содержит 7,2 млрд параметров; длина контекста — до 32 768 токенов. Модель дообучена на смеси открытых и подготовленных Rakuten наборов инструкций и диалогов, включая JSNLI, RTE, KUCI, BELEBELE, JCS, JNLI, Dolly-15K и OpenAssistant1. Репозиторий содержит веса PyTorch в формате Safetensors. Лицензия — Apache 2.0. Модель может генерировать предвзятые, неточные или небезопасные ответы, поэтому результаты следует проверять.

Инструктивная русскоязычная версия Qwen2.5-3B, разработанная RefalMachine на основе модели RefalMachine/ruadapt_qwen2.5_3B_ext_u48_full_lr5e4_peft_mlp_32_32_bs256. Это плотная языковая модель Qwen2 с 3,1 млрд параметров, контекстом до 32 768 токенов и форматом весов safetensors. В модели заменили токенизатор на расширенный вариант cl100k с униграмным словарём на 48 тысяч токенов, затем провели дообучение на русскоязычном корпусе и применили Learned Embedding Propagation (LEP). Модель предназначена для диалогов и генерации русскоязычного текста по инструкциям. Авторы сообщают об увеличении скорости генерации русских текстов до 60% относительно исходной Qwen2.5-3B-Instruct при сравнении на одинаковых последовательностях; в README также упомянуты оценки на Ru-Arena-General, MERA и llmtf_open, но полные результаты не приведены. Метаданные указывают интерфейс вызова инструментов, однако README не описывает его применение. Модель принимает текст и выдаёт текст. Авторы предупреждают, что ответы могут отражать знания и мнения, усвоенные на этапах обучения, и рекомендуют использовать её с осторожностью. Условия лицензии в предоставленных данных не указаны.

T3qm7xNeuralsirkrishna_NeuralsirkrishnaExperiment28 — объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная из automerger/T3qm7xNeuralsirkrishna-7B и automerger/NeuralsirkrishnaExperiment28-7B. Она предназначена для генерации текста и диалоговых сценариев, где модель продолжает текстовый запрос и формирует текстовый ответ. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. В метаданных указана лицензия Apache-2.0. Сведения о целевых языках, специализированных областях и отдельных ограничениях качества в карточке не приведены.

Trismal-Hermecles-7B-Base-Ties — разговорная языковая модель, созданная объединением unsloth/OpenHermes-2.5-Mistral-7B и unsloth/Hermes-2-Pro-Mistral-7B методом TIES с помощью LazyMergekit. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров; репозиторий содержит веса в формате safetensors. Указанная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на вопросы, написания и редактирования текстов, а также для чат-ботов. README не приводит отдельной оценки качества или перечня поддерживаемых языков. Лицензия в предоставленных данных не указана.

Tulu V2 DPO 7B — англоязычная разговорная модель-помощник, разработанная Allen Institute for AI (AI2). Это плотная авторегрессионная модель семейства Llama 2, дообученная на Meta Llama 2 7B с помощью supervised fine-tuning и Direct Preference Optimization (DPO) на наборах инструкций, диалогов и предпочтений. Веса содержат около 6,6 млрд параметров; контекст — до 8192 токенов. Модель работает с текстом и рассчитана прежде всего на английский язык. Модель предназначена для диалоговых ответов на инструкции, помощи в вопросах и задачах общего назначения. README характеризует её как альтернативу Llama 2 7B Chat и приводит результаты сравнительных оценок MT-Bench и AlpacaEval. Для качества генерации следует использовать ожидаемый моделью формат сообщений с завершающим переводом строки. Модель может выдавать проблемные ответы: этап выравнивания не был нацелен на безопасное поведение, а фильтрация ответов во время использования не предусмотрена. Лицензия указана как AI2 ImpACT Low-risk; перед применением следует учитывать её условия.

YamshadowInex12_T3qm7xNeuralsirkrishna — объединённая языковая модель семейства Mistral, созданная слиянием automerger/YamshadowInex12-7B и automerger/T3qm7xNeuralsirkrishna-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и диалогов; заявленный контекст составляет до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Данные карточки не описывают специальные предметные области, целевые языки или дополнительные возможности; применимость зависит от качества ответов на конкретных задачах.

YamshadowStrangemerges_32_Experiment28Strangemerges_32 — слитая языковая модель на архитектуре Mistral, созданная объединением automerger/YamshadowStrangemerges_32-7B и automerger/Experiment28Strangemerges_32-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров, веса представлены в формате safetensors. Репозиторий использует лицензию Apache-2.0. Карточка не описывает специальные предметные области или конкретные ограничения качества.

YamshadowStrangemerges_32_Inex12Yamshadow — языковая модель на архитектуре Mistral, созданная слиянием automerger/YamshadowStrangemerges_32-7B и automerger/Inex12Yamshadow-7B. Она предназначена для генерации текста и принимает текстовые запросы, выдавая продолжение или ответ в текстовом формате. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors. Репозиторий распространяется по лицензии Apache-2.0. Данных о специализации на конкретных языках или областях применения нет.

YamshadowStrangemerges_32_Strangemerges_32Yam — слитая модель семейства Mistral, созданная на основе automerger/YamshadowStrangemerges_32-7B и automerger/Strangemerges_32Yam-7B. Она предназначена для генерации текста и имеет 7,1 млрд параметров, архитектуру MistralForCausalLM и контекст до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README не уточняет особенности обучения, поддерживаемые языки и специализацию, поэтому её можно описать как модель общего назначения для генерации текста.

Карточка модели caliex/zephyr-Saul-Base-7b-merged на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jeyctse, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-jeyctse — языковая чат-модель, созданная сообществом слиянием моделей HuggingFaceH4/zephyr-7b-beta и Equall/Saul-Base методом SLERP с помощью mergekit. Это плотная модель Mistral с 7,1 млрд параметров, доступная в формате safetensors и рассчитанная на контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге: ответов на вопросы и выполнения пользовательских инструкций. В метаданных основной язык не задан; базовая Zephyr-7B-β описана как англоязычная чат-модель. Условия лицензирования в предоставленных данных не приведены. Качество и поведение результата слияния могут отличаться от исходных моделей.

win10/ArliAI-RPMax-v1.3-merge-8B — диалоговая языковая модель, созданная автором репозитория слиянием предварительно обученных моделей с помощью mergekit и метода TIES. В качестве базовой указана Magpie-Align/MagpieLM-8B-Chat-v0.1; в слияние также включена ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3. Модель построена на плотной архитектуре Llama и содержит 7,5 млрд параметров. Она предназначена для генерации текста в диалоговом формате; поддерживает контекст до 131 072 токенов. Для загрузки используется Transformers, веса опубликованы в формате safetensors. Карточка базовой модели указывает на диалоговое выполнение инструкций и генерацию ответов на английском языке. Модель подойдёт для чат-ботов и генерации ответов на запросы. Карточка не описывает лицензию, дополнительные гарантии качества или специфические ограничения, поэтому условия использования следует сверить с лицензиями исходных моделей и полной карточкой репозитория.

bruphin-kappa — слитая автором nbeerbower языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана методом SLERP с помощью mergekit из моделей nbeerbower/bruphin-iota и nbeerbower/bruphin-epsilon; в конфигурации указана точность bfloat16. Модель предназначена для генерации текста и диалогового общения по текстовому запросу, а контекстное окно составляет 32 768 токенов. Модель подходит для диалоговых интерфейсов, черновиков текстов и генерации продолжений. Карточка не описывает специальные предметные области или языки. Модель распространяется по лицензии Apache-2.0.

Calme-Clown-Extended — языковая модель Arcee AI для генерации текста. Это слияние моделей arcee-ai/Clown-DPO-Extended и arcee-ai/Calme-Instruct-Extended методом SLERP с помощью mergekit; архитектура — плотная MistralForCausalLM, размер — 8,9 млрд параметров. Модель принимает текст и рассчитана на контекст до 32 768 токенов. Её можно применять для генерации продолжений текста и диалоговых ответов. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. README не приводит сведения о целевых языках, сравнительных преимуществах или оценках качества.

Hasanur525/deed_summarization_mt5_version_1 — дообученная Hasanur525 модель Google mT5-base для суммаризации текстов. Она построена на архитектуре MT5ForConditionalGeneration и содержит 291,2 млн параметров. Многоязычная базовая модель преобразует текст в текст; модель сохранена в формате safetensors. Модель предназначена для создания краткого содержания входного текста. В README приведены метрики на оценочном наборе: Loss 0,5863, ROUGE-1 1,0138, ROUGE-2 0,6875, ROUGE-L 1,0233, ROUGE-Lsum 1,0941 и средняя длина генерации около 288 токенов. Датасет указан как None, поэтому по карточке нельзя установить предметную область обучения или проверить приведённые значения метрик. Лицензия — Apache-2.0. README не сообщает об ограничениях применения или подтверждённых целевых языках; многоязычность относится к базовой модели и сама по себе не подтверждает качество суммаризации на каждом языке.

Einstein-4d-Marcoro14-nddmpk-KrishnaHercules-7b-slerp — языковая модель, созданная mvpmaster слиянием моделей Einstein-4D-Marcoro14-7b-full-slerp и nddmp-kellemar-KrishnaHercules-7b-slerp методом SLERP с помощью LazyMergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. В карточке и метаданных не приведены сведения о целевых языках, специализированных областях или оценках качества, поэтому их нельзя надёжно определить.

MaziyarPanahi/Experiment28M7_Experiment26Strangemerges_30 — объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная слиянием automerger/Experiment28M7-7B и automerger/Experiment26Strangemerges_30-7B. Она предназначена для генерации текста и принимает текстовые запросы, выдавая текстовые ответы. Модель поддерживает контекст длиной до 32 768 токенов и распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специальную предметную область или дополнительные возможности модели.

Experiment28T3q_Experiment29Pastiche — объединённая модель на архитектуре Mistral, созданная из automerger/Experiment28T3q-7B и automerger/Experiment29Pastiche-7B. Она содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста, включая диалоги. Контекст составляет до 32 768 токенов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. README не описывает специальные сценарии применения или сравнительные преимущества модели.

jambroz/FNCARL-7b — диалоговая языковая модель, созданная автором репозитория методом слияния DARE TIES через mergekit. В качестве основы использована mistralai/Mistral-7B-Instruct-v0.2; также объединены Nexusflow/Starling-LM-7B-beta, mlabonne/NeuralBeagle14-7B и CorticalStack/pastiche-crown-clown-7b-dare-dpo. Модель построена на архитектуре Mistral с 7,1 млрд параметров и рассчитана на генерацию текста в диалоге и ответы на инструкции. Поддерживает контекст до 32 768 токенов и распространяется в формате safetensors для Transformers. Лицензия в предоставленных данных не указана. Качество и ограничения модели отдельно не описаны.

djuna/G2-BigGSHT-27B-2 — языковая модель для генерации текста и диалогов, созданная объединением моделей с помощью mergekit. В README указан метод Model Stock: в объединение вошли djuna/G2-BigGSHT-27B-calc и unsloth/gemma-2-27b-it, а базой для слияния служила AALF/gemma-2-27b-it-SimPO-37K-100steps. Модель построена на архитектуре Gemma 2, содержит 27,6 млрд параметров и работает с контекстом до 8192 токенов. Модель предназначена для генерации ответов в чате и других сценариев работы с текстом. Метаданные отмечают возможность диалога; базовая Gemma 2 описана как англоязычная. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH, без дополнительных сведений о методике применения. Репозиторий содержит веса в формате Safetensors, а метаданные указывают библиотеку Transformers. Лицензия в предоставленных данных не указана.

M7Yamshadowexperiment28_Strangemerges_32M7 — объединённая модель для генерации текста, созданная MaziyarPanahi. Она получена слиянием моделей automerger/M7Yamshadowexperiment28-7B и automerger/Strangemerges_32M7-7B; архитектура — плотная MistralForCausalLM на 7,1 млрд параметров. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Модель предназначена для генерации продолжений текста и диалоговых ответов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. README не сообщает о специальных прикладных областях или оценках качества.

MeliodasPercival_01_MeliodasT3q — объединённая текстовая модель семейства Mistral с 7,1 млрд параметров, созданная слиянием моделей automerger/MeliodasPercival_01-7B и automerger/MeliodasT3q-7B. Она предназначена для генерации текста и ведения диалогов; принимает текст и поддерживает контекст до 32 768 токенов. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. Данных о специализации на конкретной предметной области или языке нет, поэтому её можно рассматривать как модель общего назначения. Карточка не приводит результаты оценки качества или подробные рекомендации по использованию.

gotchu/merge-34b-2 — объединённая языковая модель, созданная с помощью mergekit из jondurbin/nontoxic-bagel-34b-v0.2 и NousResearch/Nous-Hermes-2-Yi-34B. Для слияния применён метод SLERP с настройками для слоёв self-attention и MLP; архитектура — плотная LlamaForCausalLM, размер — 33,9 млрд параметров, формат весов — safetensors. Модель предназначена для генерации текста и диалогового взаимодействия; базовая модель Nous-Hermes-2-Yi-34B рассчитана на следование инструкциям и многоходовые диалоги в формате ChatML. Указанная нативная длина контекста — 200 000 токенов. Модель принимает текст и выдаёт текст. В карточке не описаны специальные предметные области или языковой охват. Лицензия в предоставленных данных не указана.

mistral-7B-v0.1-relufication-stage-1-on-slim-orca — дообученная модель семейства Mistral, созданная на основе mistralai/Mistral-7B-v0.1. Карточка указывает Axolotl версии 0.5.2 и результат оценки Loss 0,6542; подробности об изменениях модели и обучении не приведены. Модель с плотной архитектурой MistralForCausalLM содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста в диалоговых сценариях. Указанная длина контекста — 32 768 токенов. Лицензия — Apache 2.0.

MoJev — модель-оценщик от MoLeMo-Lab для выбора и ранжирования вариантов по текстовому состоянию, вопросу и списку кандидатов, заданному во время запроса. Она выдаёт распределение вероятностей, привязанное к заданной схеме, и предназначена для маршрутизации запросов, классификации политик и свидетельств, выбора инструментов и рабочих процессов, а также решений об исполнении, отложенной обработке или эскалации. Код модели распространяется по лицензии MIT; для весов также применяются условия лицензии базовой модели Qwen. Модель дообучена на Qwen3.5-0.8B: обучены все 854 036 544 параметра. Архитектура PackedScorer упаковывает состояние, вопрос и кандидатов в одну последовательность, использует маску внимания в виде дерева и проекции контекста и кандидатов ранга 512 с масштабированным скалярным произведением. Входное состояние может содержать текст и изображения; изображения обрабатываются через визуальные патчи. Выпущенная конфигурация обучалась с усечением до 16 384 токенов; базовая модель поддерживает контекст до 262 144 токенов, а с YaRN — до 1 010 000, но запрос также включает токены вопроса и кандидатов. В оценке на 12 000 решений авторы сообщают точность 93,23% и ожидаемую ошибку калибровки 0,79%. Модель подходит для структурированных решений по пользовательским вариантам, но качество и калибровка зависят от соответствия данных и кандидатов задаче. Карточка описывает англоязычные имена кандидатов, однако не указывает полный перечень поддерживаемых естественных языков.