III.1Стратегия, продукт и бизнес-модели

JOSIE-1.1-4B-Instruct — плотная языковая модель на 3,7 млрд параметров, разработанная Gökdeniz Gülmez как полновесная донастройка Qwen3-4B-Instruct-2507. Она предназначена для естественных диалогов, следования инструкциям, повседневной помощи и решения практических задач. Модель выдаёт связные ответы с дружелюбной, прямой манерой общения и ориентирована на генерацию текста в чат-сценариях. Модель поддерживает английский, испанский, французский, португальский, итальянский, арабский, китайский, японский, корейский, индонезийский, русский, вьетнамский, немецкий и тайский языки. Метаданные указывают контекст до 262 144 токенов; README сообщает о 32 768 токенах. Обучение включало дистилляцию рассуждений и преобразование ответов в разговорный стиль. По карточке, модель не имеет встроенной фильтрации контента; качество может снижаться на узкоспециализированных темах, а критические ответы требуют проверки. Лицензия — MIT.

L3.1-70b-Milasha — чат-модель, созданная KaraKaraWitch как слияние пяти моделей семейства Llama 3.1 с помощью LazyMergekit. Она предназначена для диалога и генерации текста в формате Llama 3 Instruct; при слиянии MeowMix использовалась для усиления языковых возможностей в китайском, японском и корейском языках. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель подходит для многоходовых бесед и генерации текста с длинным контекстом. Веса доступны в формате safetensors. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое использование. README не содержит подробной оценки качества или перечня ограничений; заявленный акцент на CJK-языках относится к усилению языковых возможностей при слиянии.

notcvnt/Llama-3.1-8B-Instruct-heretic — производная инструктивная версия Meta Llama 3.1, представленная сообществом как «heretic» и «abliterated». По метаданным это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров, предназначенная для генерации текста и диалогов. Она принимает текст и выдаёт текст; заявленный контекст — до 131 072 токенов. README описывает исходную Llama 3.1 Instruct, а не конкретную версию heretic, поэтому сведения о языках, методе изменения поведения и характеристиках именно этого варианта ограничены. В метаданных указаны языки en, de, fr, it, pt, hi, es и th. Модель подходит для диалогового помощника и генерации текста на поддерживаемых языках. Метки «uncensored» и «abliterated» указывают на изменённый профиль отказов или ограничений, но карточка не раскрывает точную методику и результаты оценки; выходы следует проверять на точность и безопасность. Модель распространяется по лицензии Llama 3.1 Community License (идентификатор лицензии в метаданных — llama3.1); применение регулируется её условиями и Acceptable Use Policy.

allenai/Llama-3.1-Tulu-3-8B-SFT-no-safety-data — языковая модель семейства Llama, опубликованная организацией AllenAI. Модель предназначена для генерации текста и диалоговых сценариев; в метаданных указаны поддержка библиотеки Transformers, размер около 7,5 млрд параметров и контекст до 131 072 токенов. Модель можно использовать для ведения диалогов, генерации ответов, создания черновиков и других задач, сводящихся к продолжению или преобразованию текстового запроса. Метаданные указывают тег text-generation и conversational, но README не содержит подробностей о языках, данных обучения, результатах оценки или лицензии. README также не описывает специальные меры безопасности, поэтому модель следует применять с дополнительной проверкой результатов и фильтрацией потенциально нежелательного контента. Лицензия в доступных данных не указана.

Lumiere-120b — языковая модель для генерации текста и диалогов, созданная разработчиком bcse путём линейного слияния двух моделей с помощью mergekit: Undi95/Miqu-70B-Alpaca-DPO и Sao10K/Euryale-1.3-L2-70B. Модель основана на архитектуре Llama и содержит около 120,1 млрд параметров; для загрузки доступны веса в формате safetensors, а также упомянуты варианты GGUF. Модель предназначена для генерации ответов в диалоге и выполнения текстовых запросов. Контекстное окно составляет 32 764 токена. В карточке не описаны специальные предметные области или наборы поддерживаемых языков; базовая Miqu-модель настроена для ответов на инструкции в формате Alpaca. Лицензия в предоставленных сведениях не указана.

Mini_synatra_7b_02-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная объединением Mistral-7B-Instruct-v0.2 и Minirecord/Mini_synatra_7b_02 методом SLERP с помощью mergekit. Модель имеет плотную архитектуру MistralForCausalLM и около 7,1 млрд параметров; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и диалоговых ответов на инструкции. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В карточке не обозначены отдельные языки или специализированные предметные области. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или подробных ограничений, поэтому пригодность для конкретных задач следует проверять отдельно.

Qwen-SEA-LION-v4-32B-IT-4BIT — это 4-битная GPTQ-квантизированная версия языковой модели Qwen-SEA-LION-v4-32B-IT, разработанная AI Products Pillar из AI Singapore при финансировании Singapore NRF. Модель относится к декодерным LLM и предназначена для генерации текста и диалоговых сценариев, особенно связанных с языками и задачами Юго-Восточной Азии. Она продолжает предварительное обучение на базе Qwen3-32B и использует его токенизатор. Модель поддерживает контекст длиной до 32 768 токенов и работает с текстовыми данными. Заявлена поддержка бирманского, английского, индонезийского, кхмерского, лаосского, малайского, китайского, тагальского, тамильского, тайского и вьетнамского языков. Обучающие данные включают веб-тексты, код, открытые и синтетически созданные наборы данных; для ряда языков использовано около 100 миллиардов токенов. Квантизация снижает требования к памяти и позволяет запускать модель на потребительских GPU и, согласно README, на ноутбуке, при среднем снижении качества менее чем на 0,3% относительно исходной версии. К ограничениям относятся отсутствие специального safety-выравнивания, непроверенная устойчивость к adversarial prompting, возможные галлюцинации и нерелевантные или фактически неверные ответы. Модель обучалась преимущественно на текстовом бэкенде, поэтому заметных улучшений возможностей работы с изображениями по сравнению с Qwen3-32B не заявлено; фактическую точность следует проверять на целевых задачах. Модель распространяется по лицензии MIT.

arcee-ai/saul-zephyr-7b-slerp — объединённая методом SLERP модель на основе Equall/Saul-Base и HuggingFaceH4/zephyr-7b-beta, созданная с помощью mergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста в формате чат-диалога и выполнения пользовательских инструкций. Контекстное окно составляет до 32 768 токенов; модель принимает текст и генерирует текст. Модель сочетает компоненты базовой модели Saul-Base и англоязычной чат-модели Zephyr-7B-β. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. В карточке описан метод слияния, но сравнительные оценки качества и подробные ограничения не приведены.

QuantFactory/SeaLLM3-7B-Chat-GGUF — квантизированная версия чат-модели SeaLLMs/SeaLLM3-7B-Chat, созданная QuantFactory с использованием llama.cpp. Семейство SeaLLMs разработано для работы с языками Юго-Восточной Азии; модель предназначена для генерации текста, диалогов и выполнения пользовательских инструкций. Модель ориентирована на широкий круг задач: ответы на вопросы, следование инструкциям, математическое рассуждение, перевод и работу со знаниями общего назначения. В README заявлены улучшенные возможности многошагового диалога, сниженная склонность к галлюцинациям и более безопасное поведение, в том числе при запросах, связанных с культурой стран Юго-Восточной Азии. Указаны английский, китайский, индонезийский, вьетнамский, тайский и малайский языки; также заявлена поддержка тагальского, бирманского, кхмерского, лаосского, тамильского и яванского языков. Это текстовая autoregressive language model размером 7B параметров в квантизированном формате GGUF; конкретная схема квантизации и размер контекстного окна в README не указаны. Квантизация и совместимость с llama.cpp могут упростить локальный запуск и снизить требования к ресурсам, однако README не содержит точных требований к оборудованию и количественной оценки качества. Модель ограничена текстовой модальностью и, как и другие языковые модели, может допускать ошибки. Лицензия обозначена как other с названием seallms; условия использования приведены по ссылке на лицензию SeaLLMs. Перед применением необходимо ознакомиться с ними.

Tulpar-7b-v2-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная MaziyarPanahi слиянием методом SLERP моделей Mistral-7B-Instruct-v0.2 и Tulpar-7b-v2. Она предназначена для генерации текста и ответов на инструкции в формате чата. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; контекст — до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке указана лицензия Apache-2.0. README описывает способ слияния и базовые модели, но не приводит оценки качества или специальные ограничения применения.

ZeproSolar-2x7B — разговорная языковая модель Ionio-ai, созданная с помощью MergeKit путём объединения HuggingFaceH4/zephyr-7b-alpha и NousResearch/Nous-Hermes-2-SOLAR-10.7. Это модель семейства Mixtral с архитектурой MoE, предназначенная для генерации текста в диалогах и работе в роли помощника. Она принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Модель подходит для чат-ботов, виртуальных помощников и создания текстового контента. Карточка отмечает риск смещений в ответах и возможность генерации вводящего в заблуждение или вредоносного контента. Распространяется по лицензии Apache-2.0.

Amadeus-Verbo-BI-Qwen-2.5-72B-PT-BR-Instruct-Experimental — плотная языковая модель для диалогов и генерации текста на бразильском португальском. Её разработала Amadeus AI на основе Qwen/Qwen2.5-72B, дообучив модель в течение двух эпох на наборе из 600 тысяч инструкций. Архитектура Qwen2 использует Transformer, RoPE, SwiGLU, RMSNorm и grouped-query attention; размер по метаданным — 71,5 млрд параметров. Модель предназначена для ответов на инструкции и диалоговых сценариев на бразильском португальском. Она поддерживает контекст до 131 072 токенов и интерфейс вызова инструментов. Для загрузки автор рекомендует актуальную версию Transformers. Модель распространяется по лицензии Apache-2.0. Качество ответов может зависеть от формулировки запроса и соответствия задачи бразильскому португальскому; карточка не приводит результатов оценки качества.

aya-expanse-32b-GGUF — это набор GGUF-квантизаций языковой модели Aya Expanse 32B, разработанной CohereForAI и подготовленной для llama.cpp пользователем bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через LM Studio. Доступны варианты с разным уровнем квантизации, размером файла и компромиссом между качеством и требованиями к памяти. Модель имеет около 32 миллиардов параметров и поддерживает широкий набор языков: английский, французский, немецкий, испанский, итальянский, португальский, японский, корейский, китайский, арабский, греческий, персидский, польский, индонезийский, чешский, иврит, хинди, нидерландский, румынский, русский, турецкий, украинский и вьетнамский. Это текстовая модель без заявленной поддержки дополнительных модальностей. README не содержит сведений об архитектуре исходной модели и размере контекста. Сильная сторона набора — большой выбор квантизаций, позволяющий запускать модель на системах с разным объёмом памяти. Варианты Q6_K и Q6_K_L обозначены как близкие к исходному качеству, а Q4_K_M — как сбалансированный вариант; более компактные форматы требуют меньше памяти, но могут заметно снижать качество. Модель распространяется по лицензии CC-BY-NC-4.0 и предназначена только для некоммерческого использования; для доступа также предусмотрено принятие условий лицензии Cohere и предоставление регистрационных данных.

aya-expanse-8b-GGUF — это GGUF-квантизация языковой модели aya-expanse-8b, разработанной CohereForAI и подготовленной пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая работу на русском и других языках: английском, французском, немецком, испанском, итальянском, португальском, японском, корейском, китайском, арабском, греческом, персидском, польском, индонезийском, чешском, иврите, хинди, нидерландском, румынском, турецком, украинском и вьетнамском. В репозитории доступны варианты от исходных весов F16 размером 16,07 ГБ до квантизаций Q8_0, Q6, Q5, Q4 и Q3, а также IQ-вариантов, что позволяет выбирать между качеством, требованиями к памяти и скоростью инференса. Для запуска рекомендуется использовать llama.cpp или LM Studio; для модели указан специальный шаблон промпта с токенами ролей системы, пользователя и чат-бота. Архитектура, размер контекста и мультимодальные возможности в README не указаны; по описанию это текстовая модель без заявленной поддержки изображений или других модальностей. Сильная сторона модели — широкий набор поддерживаемых языков и наличие множества вариантов квантизации, включая рекомендуемые Q6_K_L, Q6_K, Q5 и Q4, а также оптимизированные под ARM форматы. Качество снижается при использовании более компактных Q3-вариантов, а некоторые форматы имеют специальные требования к аппаратным инструкциям или не рекомендуются для macOS и Windows. Модель распространяется по лицензии CC-BY-NC-4.0 и предназначена только для некоммерческого использования; доступ к исходной модели может требовать согласия с условиями лицензии и предоставления данных через gated-доступ.

duyntnet/aya-expanse-8b-imatrix-GGUF — набор GGUF-квантизаций модели Aya Expanse 8B, разработанной Cohere For AI. Это открытая исследовательская большая языковая модель для генерации текста и диалоговых сценариев с выраженной ориентацией на мультиязычность. Модель основана на предварительно обученном семействе Command и дополнительно улучшалась с применением исследований Cohere For AI в области оптимизации данных, мультиязычного обучения на предпочтениях, настройки безопасности и объединения моделей. Модель содержит около 8 миллиардов параметров и поддерживает 23 языка: арабский, китайский упрощённый и традиционный, чешский, нидерландский, английский, французский, немецкий, греческий, иврит, хинди, индонезийский, итальянский, японский, корейский, персидский, польский, португальский, румынский, русский, испанский, турецкий, украинский и вьетнамский. README не указывает размер контекста и точную архитектуру. Для работы с GGUF-квантизациями заявлена совместимость с llama.cpp, KoboldCPP, Ollama, text-generation-webui, GPT4All и Jan. Сильная сторона модели — широкая языковая поддержка и ориентация на мультиязычную генерацию текста. Ограничения включают исследовательский статус, отсутствие сведений о конкретных вариантах квантизации, контекстном окне и результатах бенчмарков. Исходная модель распространяется по лицензии CC-BY-NC с обязательным соблюдением политики допустимого использования C4AI; условия для данного набора квантизаций следует проверять отдельно.

Celestial-Order-24B-2.75 — языковая модель для генерации текста и диалогового общения, собранная Sorihon методом DARE TIES с помощью mergekit. В объединение вошли Sorihon/CYDR-24B и модель Celestial-Order-V2.5, указанная в README как базовая; метаданные каталога связывают модель с Sorihon/CYDR-24B. Архитектура — плотная MistralForCausalLM, размер — 23,4 млрд параметров, формат весов — Safetensors, библиотека — Transformers. Заявленная длина контекста — 131 072 токена. Модель предназначена для генерации продолжений и диалоговых ответов. README описывает рецепт объединения весов, но не приводит оценок качества, подробных сценариев или списка поддерживаемых языков, поэтому конкретные сильные стороны и языковые возможности по этим данным определить нельзя. Лицензия в предоставленных сведениях не указана.

declare-lab/flan-alpaca-xxl — модель T5ForConditionalGeneration семейства T5 с 5,8 млрд параметров, дообученная авторами репозитория на инструкционных данных Flan и Alpaca. Она предназначена для выполнения текстовых инструкций и генерации ответов на широкий круг запросов; карточка демонстрирует генерацию текста по простому запросу. Модель принимает текст и выдаёт текст. Для обучения использовались коллекция Flan и синтетические инструкции Alpaca. Разработчики позиционируют подход как доступный способ получить инструкционно настроенную модель, а метаданные указывают датасет tatsu-lab/alpaca. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

LastRef/gemma-3-12b-it-heretic-x — дообученная мультимодальная модель на основе Google Gemma 3 12B IT. Это разговорная модель с архитектурой Gemma 3 для обработки текста и изображений с генерацией текстовых ответов. Подходит для диалога, создания и суммаризации текста, ответов на вопросы и извлечения информации из изображений. Карточка Gemma 3 указывает контекст до 128 тыс. токенов и поддержку более 140 языков; эти характеристики относятся к семейству базовой модели. В тегах модели она обозначена как uncensored, decensored и abliterated, то есть её позиционируют как модель с ослабленными ограничениями на ответы; README при этом описывает базовое семейство Gemma, а не специфические изменения этой версии. Такие модели могут выдавать вредный или недостоверный контент, а также отражать смещения данных обучения. Лицензия — Gemma; условия использования определяются лицензией и политикой допустимого использования Gemma.

GPT-JT-6B-v1 — языковая модель Together, дообученная на базе GPT-J (6B) с использованием децентрализованного алгоритма обучения. Она предназначена для генерации текста по запросу и особенно ориентирована на задачи классификации, например определение тональности. Модель использует архитектуру GPT-J с плотной сетью и цель обучения UL2: входной запрос доступен модели с двунаправленным контекстом, а продолжение генерируется авторегрессионно. Обучение включало 3,53 млрд токенов из The Pile, Natural-Instructions, P3 и данных Chain-of-Thought. Контекст модели — 2048 токенов; в карточке указана поддержка английского языка. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0. Заявления карточки о сравнении с более крупными моделями относятся к классификационным бенчмаркам и сами по себе не гарантируют качество на других задачах.

juanako-7b-UNA-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная объединением mistralai/Mistral-7B-Instruct-v0.2 и fblgit/juanako-7b-UNA методом SLERP с помощью MergeKit. Это плотная модель Mistral с 7,1 млрд параметров для генерации текста и общения в формате инструкций. Она рассчитана на диалоговые сценарии и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст; в метаданных заявлена поддержка чата. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не приводит результатов сравнительных оценок качества или подробностей о языковом охвате, поэтому применимость для конкретного языка или задачи следует проверять отдельно.

jul-decision-e5-small — дообученная командой jul компактная модель на базе multilingual-e5-small для типизированных решений по тексту: выбора категории (Choice), ответа «да/нет» (Noul) и выставления оценки (Score). В репозитории есть два варианта весов: векторная модель кодирует текст и варианты ответа отдельно для сравнения, а cross-модель обрабатывает вопрос и текст совместно. Архитектура — BERT, 124,3 млн параметров, контекст до 512 токенов; модель рассчитана на английский и французский языки. Для классификации Choice входы векторного варианта используют префикс `query: `; модель можно запускать в облегчённой сборке ONNX с 8-битной квантизацией, опубликованной отдельно. Модель подходит для классификации текстов по заданным вариантам, бинарных решений и оценивания без размеченных примеров, а также для тонкой настройки на конкретную задачу при наличии меток. В README приведены результаты на классификации, определении тональности и оскорбительного содержания, перефразировании и выводе. Указаны слабые места: оценка срочности, распознавание вежливых, но серьёзных жалоб, различение предложений с одинаковыми словами в разном порядке и ответы на вопросы, требующие знаний. Лицензия — Apache-2.0.

Kona2-12B — диалоговая языковая модель на 12,2 млрд параметров от Tbilisi AI Lab. Она основана на Kona2-12B-Instruct и дообучена методом Direct Preference Optimization (DPO) на наборе из 387 тыс. пар предпочтений, чтобы улучшить качество и согласованность ответов. В основе семейства — архитектура Mistral; модель распространяется в формате safetensors и поддерживает работу через Transformers. Модель предназначена для диалогов на грузинском и английском языках, ответов на вопросы, генерации текста, перевода и автоматизации поддержки клиентов. В обучении отдельно учитывались сценарии вызова инструментов, однако метаданные подтверждают возможность чата, а не отдельный pipeline для tool calling. В README указан контекст 32 тыс. токенов, тогда как метаданные каталога сообщают native context в 1 024 000 токенов; поэтому фактический доступный контекст следует сверять с конфигурацией и используемым рантаймом. Модель рекомендована разработчиком для production-применения. Лицензия — Apache-2.0. Известное ограничение: обучающие данные имеют срез до 2024 года; для запуска в полной точности рекомендуется не менее 48 ГБ VRAM, а с 4-битной квантизацией — от 24 ГБ.

Llama-3-NeuralPaca-8b — плотная авторегрессионная языковая модель семейства Llama 3, разработанная NeuralNovel и дообученная на базе unsloth/llama-3-8b-bnb-4bit. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В карточке указан датасет tatsu-lab/alpaca; обучение выполнено с использованием Unsloth и TRL. В метаданных указан английский язык. Модель распространяется по лицензии Llama-3.

MeliodasPercival_01_AlloyingotneoyNeuralsirkrishna — объединённая языковая модель MaziyarPanahi, построенная на архитектуре Mistral. Веса получены слиянием automerger/MeliodasPercival_01-7B и automerger/AlloyingotneoyNeuralsirkrishna-7B. Модель содержит 7,1 млрд параметров, использует формат Safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Её можно использовать для ответов на запросы, продолжения текста и создания черновиков. Карточка не уточняет отдельные языки, специализированные области или дополнительные возможности. Лицензия — Apache-2.0.

MFANN3bv0.20.17 — языковая модель семейства Phi, разработанная netcat420 и предназначенная для генерации текста по инструкциям и выполнения широкого круга общих задач. Это дообучение предыдущей версии netcat420/MFANN3bv0.20.16 на наборе данных netcat420/MFANN. Модель содержит 3,5 млрд параметров, использует плотную архитектуру PhiForCausalLM и принимает текстовые инструкции в формате «Instruct: … Output:». Контекстное окно составляет до 32 768 токенов; карточка указывает английский язык. Средняя ошибка обучения, приведённая автором для MFANN, составляет 0,33. Модель распространяется в формате safetensors по лицензии MIT.

mini-magnum-12b-v1.1 — диалоговая instruct-модель на архитектуре Mistral, обученная alpindale при участии команды, указанной в карточке. Она предназначена для генерации текста в формате беседы и использует шаблон запросов Mistral с маркерами [INST] и [/INST]. Модель содержит 12,1 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 1 024 000 токенов. В метаданных перечислены английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский языки. Лицензия — Apache-2.0. Карточка описывает формат промптинга и участников обучения, но не приводит подробностей об оценке качества или конкретных специализациях. Поэтому модель уместно рассматривать как универсальную разговорную модель; качество на отдельных языках и задачах следует проверять самостоятельно.

NickyNicky/Mistral-7B-OpenOrca-oasst_top1_2023-08-25-v1 — диалоговая языковая модель на архитектуре Mistral, созданная на основе Open-Orca/Mistral-7B-OpenOrca. В README также указан набор OpenAssistant/oasst_top1_2023-08-25; название модели указывает на версию, связанную с этим набором, но подробности обучения в карточке не приведены. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 7,1 млрд параметров, работает с текстом и имеет контекст длиной до 32 768 токенов. Карточка заявляет поддержку болгарского, каталанского, чешского, датского, немецкого, английского, испанского, французского, хорватского, венгерского, итальянского, нидерландского, польского, португальского, румынского, русского, словенского, шведского и украинского языков. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не содержит результатов оценки качества или подробных сведений о поведении модели, поэтому качество ответов для конкретных языков и задач следует проверять отдельно.

Nemotron-SEA-LION-v4.8-30B-A3B — инструктивная языковая модель, разработанная AI Products Pillar организации AI Singapore при финансировании National Research Foundation Singapore. Она дообучена на основе aisingapore/Nemotron-SEA-LION-v4.8-30B-A3B-Base с помощью SFT и онлайн-дистилляции по собственным ответам модели. Архитектура — гибрид Mamba2 и Transformer с Mixture of Experts; модель рассчитана на контекст до 262 144 токенов. Модель предназначена для генерации текста, диалога и выполнения инструкций на английском и языках Юго-Восточной Азии: бирманском, вьетнамском, индонезийском, тагальском, малайском, тамильском и тайском. Среди оценённых сценариев — ответы на вопросы, анализ тональности, перевод, суммаризация, причинно-следственные рассуждения, распознавание токсичности и многоходовый чат. Модель распространяется по лицензии MIT. Качество и надёжность ответов могут быть непоследовательными: модель способна галлюцинировать и выдавать не относящийся к запросу текст. Устойчивость к состязательным запросам не проверялась, а безопасность не была специально выровнена; для прикладного использования могут потребоваться отдельная настройка безопасности и проверка результатов.

Nous Hermes 2 SOLAR 10.7B — чат-модель Nous Research, дообученная на базе Upstage SOLAR-10.7B-v1.0. Для обучения использован набор примерно из миллиона примеров, преимущественно сгенерированных GPT-4, а также данные из открытых наборов. Модель с архитектурой Llama и 10,6 млрд параметров предназначена для генерации текста, диалогов и выполнения инструкций; она использует шаблон ChatML для многоходового общения и поддерживает контекст до 4096 токенов. Модель рассчитана на англоязычные запросы. В карточке приведены результаты нескольких бенчмарков и заявлено улучшение относительно базовой SOLAR-10.7B, однако приведённых данных недостаточно для независимой оценки качества. Распространяется по лицензии Apache-2.0.

Phantomcloak19/qwen2.5-3b-dpo — плотная авторегрессионная языковая модель семейства Qwen2, дообученная разработчиком на базе Qwen/Qwen2.5-3B-Instruct на этапе DPO в последовательном конвейере обучения LLMPR. Модель предназначена для диалогов и генерации текста по инструкциям; карточка указывает, что это результат DPO-фазы, после которой в конвейере предусмотрен этап Safety-GRPO. Модель содержит 3,1 млрд параметров, использует библиотеку Transformers и формат Safetensors, поддерживает контекст до 32 768 токенов. Базовая модель многоязычная, однако конкретный список языков для этого чекпойнта в предоставленных данных не указан. Лицензия и отдельные оценки качества не приведены.