III.2Исследование рынка и маркетинг

MaziyarPanahi объединил модели mistralai/Mistral-7B-Instruct-v0.2 и uukuguy/zephyr-7b-alpha-dare-0.85 методом SLERP с настройкой весов для слоёв self-attention и MLP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для диалоговой генерации текста и выполнения инструкций. Она принимает текст и выдаёт текст; заявленная длина контекста — до 32 768 токенов. Модель подходит для чат-ботов, ответов на вопросы и генерации текста по инструкциям. Распространяется в формате Safetensors по лицензии Apache-2.0. В предоставленной карточке не приведены оценки качества объединённой версии или сведения о конкретных языках; характеристики базовой модели не гарантируют аналогичное качество после слияния.

airoboros-m-7b-3.1.2-dare-0.85-Mistral-7B-Instruct-v0.1 — объединённая чат-модель MaziyarPanahi на основе mistralai/Mistral-7B-Instruct-v0.1 и uukuguy/airoboros-m-7b-3.1.2-dare-0.85. Модели объединены методом SLERP; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров. Модель предназначена для генерации текста и ответов на инструкции и диалоговые запросы. Она принимает текст и выдаёт текст; максимальный контекст — 32 768 токенов. В карточке не заявлены специальные прикладные области или поддержка конкретных естественных языков. Репозиторий содержит веса в формате safetensors, а лицензия — Apache-2.0. Качество и поведение объединённой модели могут отличаться от исходных моделей; ограничения отдельно не описаны.

laion/anh-bloomz-7b1-mt-cross-lingual — дообученная модель семейства BLOOMZ, созданная LAION на основе bloomz-7b1-mt с использованием набора инструкций cross_lingual.jsonl из laion/Anh. Это плотная авторегрессионная языковая модель примерно на 9,1 млрд параметров для генерации текста и выполнения инструкций в многоязычных сценариях. Она может применяться для ответов на запросы и генерации текста на разных языках; доступный контекст составляет 2048 токенов. Модель использует архитектуру BloomForCausalLM и формат PyTorch, а для запуска подходит библиотека Transformers. В карточке указана лицензия bigscience-openrail-m. Поддерживаемые языки описаны как многоязычные без перечисления отдельных языков. Указанные данные не содержат результатов оценки качества или подробностей об ограничениях сверх размера контекста и условий лицензии.

A.X 4.0 Light — компактная языковая модель для генерации текста, разработанная SKT AI Model Lab и выпущенная SK Telecom в составе семейства A.X 4.0. Модель создана на базе открытой архитектуры Qwen2.5 и дополнительно обучена на крупномасштабных корейских данных. Она поддерживает английский и корейский языки и предназначена для диалоговых приложений, обработки текста, корпоративных сценариев и локального развёртывания. Модель содержит около 7 млрд параметров и поддерживает контекст до 16 384 токенов. Она ориентирована прежде всего на понимание корейского языка, корейской культуры и контекста; в заявленных тестах показывает 64,15 балла на KMMLU, 68,05 на CLIcK и 79,50 на Ko-MT-Bench. На английском языке модель также пригодна для общих задач, однако результаты на MMLU ниже, чем у некоторых сопоставимых моделей того же класса. К сильным сторонам относятся сравнительно небольшой размер, пригодность для эффективного развёртывания, хорошее следование инструкциям и повышенная производительность в корейскоязычных задачах. Ограничениями являются меньший контекст и более низкие показатели по ряду общих, математических и кодовых тестов по сравнению с крупными моделями семейства A.X 4.0. Модель распространяется по лицензии Apache-2.0.

AxeronAI создала axeron-mf-44 — языковую модель для генерации текста, полученную слиянием Qwen/Qwen2.5-3B и Qwen/Qwen2.5-3B-Instruct методом SLERP с коэффициентом t=0,5. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 3,1 млрд параметров и доступна в формате safetensors для библиотеки Transformers. Модель принимает текст и предназначена для диалогов и генерации ответов. Контекстное окно составляет 32 768 токенов. В карточке не приведены результаты оценки качества или подтверждённый перечень языков; базовая линейка Qwen2.5 многоязычна. Лицензия в предоставленных данных не указана.

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.

BerryBase — языковая модель на 7,1 млрд параметров, созданная автором репозитория путём слияния maywell/Qwen2-7B-Multilingual-RP и Weyaxi/Einstein-v7-Qwen2-7B с помощью LazyMergekit и метода SLERP. Она основана на архитектуре Qwen2 и предназначена для генерации текста в диалоговом формате, включая ответы на вопросы. Указанный родительский чекпойнт — maywell/Qwen2-7B-Multilingual-RP; конфигурация слияния также включает слои второй модели. Модель принимает текст и генерирует текст. Нативная длина контекста составляет 32 768 токенов; веса опубликованы в формате Safetensors и имеют тип bfloat16. Языковая основа — мультиязычная модель Qwen2, однако конкретный перечень поддерживаемых языков для BerryBase в карточке не приведён. Карточка не содержит оценок качества или подробных ограничений применения. Лицензия в предоставленных данных не указана, поэтому условия использования следует проверить на странице репозитория и у базовых моделей.

Berry-Spark-7B-Fix — объединённая разговорная языковая модель, созданная сообществом mergekit-community на основе ChaoticNeutrals/Very_Berry_Qwen2_7B и arcee-ai/Arcee-Spark. Модели объединены методом SLERP; архитектура — плотная Qwen2ForCausalLM, размер — 7,1 млрд параметров. Репозиторий содержит веса в формате safetensors, а для итоговых весов указана точность bfloat16. Модель предназначена для диалогов и генерации текста: её можно использовать для ответов на вопросы и других сценариев общения с языковой моделью. Поддерживает контекст до 32 768 токенов. В карточке не приведены сведения о языках обучения или условиях лицензии, поэтому они здесь не уточняются.

BgGPT-Gemma-3-27B-IT — мультимодальная модель для диалогов и выполнения инструкций, адаптированная для болгарского языка институтом INSAIT на базе Google Gemma 3 27B IT. Это плотная модель семейства Gemma 3 с поддержкой текста и изображений; карточка указывает эффективный контекст до 131 тыс. токенов. Модель рассчитана на многоходовые беседы, сложные инструкции и задачи, где нужно совместно учитывать текст и изображения. Модель подходит для вопросов и ответов на болгарском языке, диалоговых помощников и анализа изображений с текстовыми запросами. Также поддерживает английский язык. В README указаны данные предобучения до мая 2025 года и дообучения по инструкциям до октября 2025 года. Репозиторий содержит веса Safetensors и использует лицензию Gemma; применение регулируется её условиями.

Sakalti/Calme-3.2-fp16 — модель генерации текста на основе архитектуры Qwen2, созданная объединением весов с помощью mergekit и метода TIES. В README указано, что в качестве базовой использована MaziyarPanahi/calme-3.2-instruct-78b; метаданные связывают её с дообучением этой модели. Размер составляет 76,7 млрд параметров, формат весов — safetensors, точность — float16, библиотека — Transformers, контекст — до 32 768 токенов. Модель предназначена для диалогов и генерации текста общего назначения. Она принимает текст и выдаёт текст; поддержка чата указана в метаданных. Описание базовой модели характеризует её как экспериментальную дообученную модель на базе Qwen2.5-72B для англоязычных диалогов и генерации текста, но языковая специализация данной версии отдельно не подтверждена. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты. Объединение выполнено с весом 1 для базовой модели; README не перечисляет другие модели-участники.

Calme-7B-Instruct-v0.5 — разговорная языковая модель MaziyarPanahi на архитектуре Mistral, дообученная на качественных наборах данных поверх Mistral-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; опубликована в формате Safetensors и предназначена для генерации связных текстовых ответов в диалоге. Её можно применять для общения с ассистентом, составления и продолжения текстов, а также ответов на запросы. В README также упомянуты отдельные квантованные версии GGUF, однако данный репозиторий содержит веса Safetensors. Языки обучения или приоритетные языки в доступных сведениях не определены. Модель распространяется по лицензии Apache-2.0.

DeepSeek LLM 67B Chat — диалоговая языковая модель компании DeepSeek с плотной архитектурой семейства Llama и 66,6 млрд параметров. Модель создана на основе deepseek-ai/deepseek-llm-67b-base и дообучена на дополнительных данных с инструкциями. В репозитории представлены веса PyTorch; модель принимает текст и генерирует текст в формате диалога. Модель предназначена для общения и выполнения текстовых запросов на английском и китайском языках. Обучение с нуля проводилось на корпусе объёмом 2 трлн токенов. Контекст модели — 4096 токенов. В карточке приведён шаблон диалога; авторы не рекомендуют использовать системный промпт с этой версией. Лицензия в метаданных указана как other, поэтому конкретные условия использования следует сверить с лицензией репозитория. Карточка не описывает специализированные области применения или гарантии качества.

DeepSeek LLM 7B Chat — разработанная DeepSeek плотная авторегрессионная языковая модель семейства LLaMA с 6,5 млрд параметров в метаданных. Модель создана на основе deepseek-ai/deepseek-llm-7b-base и дообучена на дополнительных инструкционных данных для диалогового взаимодействия. Она обучалась с нуля на корпусе из 2 трлн токенов на английском и китайском языках. Модель предназначена для генерации текста и ответов в чате. Она принимает текстовые сообщения и выдаёт текст; максимальный контекст составляет 4096 токенов. README предупреждает, что системный промпт несовместим с этой версией и не рекомендует его включать во входные сообщения. Указана лицензия other; README представляет выпуск как открытый для исследовательского сообщества, но не уточняет конкретные условия лицензии.

argilla/distilabeled-OpenHermes-2.5-Mistral-7B — языковая модель Argilla, созданная методом DPO дообучения OpenHermes-2.5-Mistral-7B на наборе предпочтений argilla/distilabel-intel-orca-dpo-pairs. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для диалоговой генерации текста. Она поддерживает контекст до 32 768 токенов и рассчитана прежде всего на английский язык. Модель подходит для диалоговых помощников, генерации ответов и общих текстовых задач. В карточке приведены результаты сравнительных бенчмарков, однако они не гарантируют качество в конкретном приложении. Модель распространяется по лицензии Apache-2.0.

Dolphin-5.1-7b — языковая модель на архитектуре Mistral, созданная слиянием моделей cognitivecomputations/dolphin-2.6-mistral-7b-dpo-laser и teknium/OpenHermes-2.5-Mistral-7B методом SLERP с помощью LazyMergekit. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Её можно применять для ответов на вопросы, написания и преобразования текста, а также для других задач, решаемых генеративной языковой моделью. В README не приведены отдельные результаты оценки качества или подробные рекомендации по применению. Модель распространяется под лицензией Apache-2.0. Карточка не сообщает о специальных ограничениях или дополнительных фильтрах контента.

ECE-ILAB-Yi1.5-6B-SLERP — плотная языковая модель для генерации текста и диалогов, полученная автором путём слияния моделей 01-ai/Yi-1.5-6B и 01-ai/Yi-1.5-6B-Chat методом SLERP с помощью mergekit. Она содержит 5,8 млрд параметров, использует архитектуру семейства Llama и поддерживает контекст до 4096 токенов. Модель рассчитана на текстовые запросы и ответы, включая чатовые сценарии. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

Eurydice 24b v3 — диалоговая языковая модель от Aixon Lab, созданная дообучением Mistral Small 3.1 24B Instruct. Это плотная трансформерная причинная модель с 23,4 млрд параметров и контекстом до 131 072 токенов. Она предназначена для многосторонних диалогов, генерации текста, ответов на вопросы и анализа; автор отмечает сильные стороны в понимании контекста, творческом письме, естественном общении и рассказывании историй. Модель принимает текст и генерирует текст. В карточке основным языком назван английский; также может поддерживаться ряд других языков. Модель опубликована в формате Safetensors под лицензией Apache 2.0. Результаты сравнительных оценок не приведены. Возможны смещения и ошибки, поэтому ответы следует проверять.

EXAONE 3.5 7.8B Instruct — двуязычная генеративная языковая модель, разработанная LG AI Research и настроенная следовать инструкциям. Она предназначена для диалогов, ответов на вопросы и других задач генерации текста на английском и корейском языках. Модель построена на плотной архитектуре ExaoneForCausalLM, содержит 7,4 млрд параметров по метаданным и поддерживает контекст до 32 768 токенов. В карточке указаны 32 слоя и групповое внимание с 32 Q-головами и 8 KV-головами. Модель рассчитана на повседневные сценарии использования языковой модели и обработку длинного контекста. Доступна в формате safetensors для Transformers; для семейства также упомянуты варианты AWQ и GGUF в отдельных репозиториях. Лицензия указана как other, поэтому конкретные условия следует проверить в лицензии репозитория. Возможны фактические ошибки, устаревшие сведения, предвзятые или неподходящие ответы.

Experiment26Neuralsirkrishna_Ognoexperiment27M7 — объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием моделей automerger/Experiment26Neuralsirkrishna-7B и automerger/Ognoexperiment27M7-7B и предназначена для генерации текста и диалогов. Модель принимает текст и генерирует текст; размер её контекста составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Данных о специальных предметных областях и подтверждённых ограничениях качества в карточке нет.

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.

flammenai/flammen9X-mistral-7B — объединённая языковая модель, созданная с помощью mergekit из flammen9-mistral-7B и Transcendental-Maidphin-7B методом SLERP. Это плотная Mistral-модель с архитектурой MistralForCausalLM и 7,1 млрд параметров; она предназначена для генерации текста и диалогов, а максимальная длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors и использует библиотеку Transformers. Модель принимает текст и генерирует текст. Карточка не уточняет языковую специализацию или конкретные области применения. Лицензия — Apache-2.0.

Flammen-Kunoichi-7B — объединённая языковая модель на архитектуре Mistral, созданная nbeerbower с помощью mergekit и метода SLERP из nbeerbower/flammen4-mistral-7B и SanjiWatsuki/Kunoichi-DPO-v2-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста, включая диалоги и ответы на вопросы. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Веса опубликованы в формате Safetensors и доступны по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Franken-Merlinite-Maid 7B Slerp — слитая языковая модель, созданная ND911 с помощью mergekit методом SLERP из ND911/Fraken-Maid-TW-K-Slerp и ibm/merlinite-7b. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 8192 токенов. Она предназначена для генерации текста. Репозиторий содержит веса в формате safetensors; метаданные указывают библиотеку Transformers. Лицензия в предоставленных данных не указана.

Диалоговая модель генерации текста на архитектуре Mistral с 7,1 млрд параметров. Это полноразмерное дообучение модели alignment-handbook/zephyr-7b-sft-full на обновлённом и исходном наборах данных; репозиторий содержит веса в формате safetensors. Модель рассчитана на общение в чате и генерацию ответов по текстовым запросам, поддерживает контекст до 32 768 токенов. Модель опубликована под лицензией Apache-2.0. README не приводит сведений о методике обучения, оценках качества или специальных ограничениях; фактические результаты могут зависеть от промпта и сценария применения.

IntervitensInc/gemma-2-9b-chatml — текстовая чат-модель на базе Gemma 2 от Google. В репозитории указано, что к модели добавлены токены ChatML для дообучения; архитектура — плотная decoder-only Gemma2ForCausalLM с 9 млрд параметров. Модель работает с текстом и поддерживает контекст до 8192 токенов. Модель предназначена для диалогов и генерации текста: она может отвечать на вопросы, составлять краткие изложения, помогать с письмом и поддерживать исследовательские и учебные сценарии. README описывает семейство Gemma как англоязычное; сведения о специальном дообучении этой версии и его результатах не приводятся. Модель хранится в формате safetensors и использует библиотеку Transformers. Лицензия — Gemma. Возможны фактические ошибки, предвзятые ответы и затруднения с неоднозначными или сложными запросами; для применения нужны проверка результатов и меры безопасности.

recoilme/Gemma-2-Ataraxy-Gemmasutra-9B-slerp — слитая диалоговая языковая модель на архитектуре Gemma 2 с 9 млрд параметров. В метаданных указана базовая модель lemon07r/Gemma-2-Ataraxy-9B; веса опубликованы в формате Safetensors, модель предназначена для генерации текста и общения.

google/gemma-3-270m-qat-q4_0-unquantized — текстовая модель Google из семейства Gemma 3, основанная на google/gemma-3-270m. Метаданные классифицируют её как дообученную модель для генерации текста; веса размещены в формате safetensors. Суффикс имени указывает на QAT Q4_0, однако README и метаданные не объясняют, что именно означает «unquantized» для опубликованных весов. Модель предназначена для генерации текста и диалогов, ответов на вопросы и суммаризации. README семейства Gemma 3 описывает также ввод изображений и контекст до 128K токенов, но эти характеристики не подтверждены отдельно для данной компактной текстовой модели. В карточке заявлена поддержка более 140 языков; сведения о её основной языковой специализации отсутствуют. Возможные ограничения включают фактические ошибки, отражение предвзятости обучающих данных и трудности с неоднозначными формулировками и сложными задачами. Лицензия — Gemma; её условия использования следует учитывать при развёртывании.

unsloth/gemma-3-4b-pt — мультимодальная модель семейства Gemma 3, подготовленная Unsloth на основе предварительно обученной google/gemma-3-4b-pt. Она принимает текст и изображения и генерирует текстовые ответы. В метаданных указаны архитектура Gemma 3 с плотной моделью, библиотека Transformers и формат весов Safetensors; базовая модель имеет 4 млрд параметров по идентификатору репозитория. Для Gemma 3 заявлено контекстное окно 128 тыс. токенов и поддержка более 140 языков. Модель подходит для вопросов по изображениям, извлечения и обобщения визуальной информации, а также генерации и суммаризации текста. README описывает семейство Gemma 3 в целом, поэтому характеристики контекста и языковой поддержки относятся к семейству; эта версия обозначена как предварительно обученная, а не настроенная для следования инструкциям. Возможны фактические ошибки, пробелы и смещения, а также трудности с неоднозначными запросами и сложными задачами. Лицензия — Gemma.

Geneva 12B GammaCorpus v2-10k — многоязычная чат-модель Ruben Roy, дообученная на Mistral Nemo Instruct 2407 с использованием набора GammaCorpus v2-10k, содержащего структурированные многоходовые диалоги. Она предназначена для генерации текста, общения по инструкциям и диалоговых сценариев; метаданные также указывают интерфейс вызова инструментов. Модель построена на архитектуре MistralForCausalLM с плотной архитектурой и насчитывает 12,1 млрд параметров. В README указаны 40 слоёв, SwiGLU и групповое скользящее внимание GQA. Модель заявлена для английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Метаданные указывают контекст до 1 024 000 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Автор предупреждает о возможной предвзятости ответов.

GPT-4.1 nano — компактная модель OpenAI из семейства GPT-4.1, предназначенная для задач с низкой задержкой и низкой стоимостью. Карточка описывает её как самую быструю и дешёвую модель в серии и указывает контекстное окно в 1 миллион токенов. Модель подходит для сценариев, где важны скорость и экономичное выполнение задач, требующих обработки текста. Данных о конкретных возможностях, поддерживаемых языках, архитектуре и лицензии в предоставленных источниках нет.