III.2Исследование рынка и маркетинг

CorticalStack/mistral-7b-openhermes-2.5-sft — языковая модель на архитектуре Mistral, дообученная методом supervised fine-tuning на датасете teknium/OpenHermes-2.5. В README указаны параметры LoRA: r=256, alpha=128 и dropout=0; метаданные описывают плотную модель MistralForCausalLM размером 7,1 млрд параметров с контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст; в доступных данных нет сведений о поддержке отдельных языков или специализированных областях. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Ограничения качества и безопасного использования в карточке не описаны.

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.

Модель thewordsmiths/Mistral-7B-v0.3_sft_merged_100000_dpo_merged — дообученная авторами thewordsmiths плотная языковая модель Mistral для генерации текста. Она создана на основе thewordsmiths/Mistral-7B-v0.3_sft_merged_100000 с использованием Unsloth и библиотеки Hugging Face TRL; в названии и тегах указано обучение DPO. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Карточка указывает английский язык. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache-2.0.

Mobius-RWKV-Chat-12B-128k-v4-HF — разговорная языковая модель TimeMobius на архитектуре RWKV v5.2, представленная в формате Hugging Face. Она построена на базе Mobius-mega-12B-128k-base и содержит 13,8 млрд параметров. Модель предназначена для генерации текста, письма, ролевых диалогов и некоторых сценариев RAG; автор рекомендует использовать несколько примеров в запросе, хотя работает и формат диалога User/Assistant. В карточке заявлена многоязычная поддержка и контекст до 128 тыс. токенов. Архитектура описана как смешанная state-based RNN, CNN и Transformer; для запуска в fp16 требуется около 24 ГБ видеопамяти. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. README также упоминает запуск в int8 и nf4 с меньшими требованиями к памяти, но доступные метаданные не подтверждают наличие соответствующих квантованных файлов.

Moritz Laurer дообучил англоязычный энкодер answerdotai/ModernBERT-large на той же смеси данных, что и модели коллекции Zeroshot Classifiers Collection версии zeroshot-v2.0. Модель предназначена для классификации текста по заданным меткам в режиме zero-shot: пользователь задаёт текст и варианты категорий, а модель оценивает их применимость. В Hugging Face она опубликована как модель text-classification с архитектурой ModernBertForSequenceClassification; размер составляет 394,7 млн параметров, контекст — до 8192 токенов. Доступны веса Safetensors и формат ONNX, используется библиотека Transformers. Автор отмечает высокую скорость и экономное использование памяти по сравнению с DeBERTav3, что позволяет увеличивать размер пакета; в его экспериментах bf16 давал примерно двукратное ускорение относительно fp16. В среднем на проверенных задачах качество немного уступало DeBERTav3. Модель дообучена на данных версии zeroshot-v2.0, а автор сообщал о подготовке обновлённой версии с улучшенными синтетическими данными. Лицензия — Apache-2.0.

Motif-2-12.7B-Instruct — плотная авторегрессионная языковая модель семейства Motif от Motif Technologies, созданная методом supervised fine-tuning на базе Motif-Technologies/Motif-2-12.7B-Base. Она предназначена для диалогов и генерации текста по инструкциям. Модель содержит 10,8 млрд параметров по метаданным каталога; в README заявлено 12,7 млрд. Контекстное окно составляет до 32 768 токенов. Поддержка чата подтверждена метаданными, а в карточке приведены результаты оценки на языковых бенчмарках. Модель принимает текст и генерирует текст. В тегах карточки указаны английский и корейский языки. Для запуска описано использование Transformers; README также приводит способ запуска через vLLM с временным контейнером, пока официальная поддержка модели проходит рассмотрение. Модель распространяется по лицензии Apache-2.0.

zelk12/MT4-Gen5-IB-gemma-2-9B — разговорная языковая модель на архитектуре Gemma 2, созданная объединением двух предварительно обученных моделей с помощью метода SLERP и mergekit. Модель содержит 9 млрд параметров, распространяется в формате safetensors и рассчитана на генерацию текста и диалоговое взаимодействие. Модель принимает текст и генерирует текст; её контекстное окно составляет 8192 токена. В карточке не заявлены специализированная предметная область или конкретные языки. Модель предназначена для диалоговых приложений и общих сценариев генерации текста. Лицензия в предоставленных данных не указана.

zelk12/MT5-MM-gemma-2-Rv0.4Av4c-9B — слитая диалоговая языковая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная с помощью mergekit методом SLERP из recoilme/recoilme-gemma-2-9B-v0.4 и lemon07r/Gemma-2-Ataraxy-v4c-9B. Модель предназначена для генерации текста и общения в чате; работает с текстовым вводом и выдаёт текст. Контекстное окно составляет 8192 токена, веса доступны в формате safetensors. Карточка не приводит отдельные сведения о языковой специализации, поэтому модель можно описать как универсальную диалоговую. Указана лицензия Apache 2.0 в метаданных? Нет, лицензия не предоставлена; условия использования следует проверять у базовых моделей и владельца репозитория.

zelk12 объединил методом SLERP две предварительно обученные языковые модели Gemma 2: zelk12/MTM-Merge-BB-gemma-2-MTMMTM5-9B и zelk12/MTM-Merge-IF-gemma-2-MTMMTM1-9B. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и рассчитана на генерацию текста и диалоговые ответы с контекстом до 8192 токенов. Модель можно применять для ведения диалогов и генерации текста в сценариях, где подходит универсальная языковая модель. Веса опубликованы в формате Safetensors; в карточке указана библиотека Transformers. Сведения о лицензии и языковой специализации в предоставленных данных отсутствуют.

NeuralBeagleJaskier — объединённая языковая модель на архитектуре Mistral, созданная с помощью LazyMergekit из mlabonne/NeuralBeagle14-7B и bardsai/jaskier-7b-dpo-v6.1. Веса объединены методом TIES; указаны нормализация и маска int8. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст; метаданные указывают поддержку чата. Данные о поддерживаемых языках и специализированных областях применения отсутствуют, поэтому её следует рассматривать как модель общего назначения. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

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

OmniBeagleSquaredMBX-v3-7B-v2 — языковая модель для генерации текста, созданная PaulML путём слияния моделей paulml/OmniBeagleMBX-v3-7B и flemmingmiguel/MBX-7B-v3 с помощью LazyMergekit. Для объединения использован метод SLERP с отдельными параметрами смешивания для слоёв self-attention и MLP. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Карточка не приводит сведений о специализации по языкам или предметным областям. Модель распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не описывает отдельные оценки качества или известные технические ограничения.

OpenBuddy-deepseek-10b-v17.1-4k — многоязычная разговорная языковая модель проекта OpenBuddy, представленная в формате Safetensors и рассчитанная на генерацию текста. Это плотная модель архитектуры LLaMA с 10,1 млрд параметров и контекстом до 4096 токенов; в метаданных заявлена поддержка китайского, английского, французского, немецкого, японского, корейского, итальянского, русского и финского языков. Модель подходит для диалогов, ответов на вопросы и генерации текста на поддерживаемых языках. README указывает базовую модель DeepSeek и лицензию DeepSeek, но не уточняет способ получения этой версии. Модель может выдавать ошибочные, вредные или оскорбительные ответы; авторы предостерегают от применения в критически важных сценариях, включая медицину, управление опасными системами и значимые финансовые или юридические решения. Условия лицензии следует сверять с лицензией DeepSeek.

OpenBuddy-zero-14b-v22.3-32k — многоязычная диалоговая языковая модель семейства Llama, разработанная OpenBuddy. Она предназначена для чат-общения и генерации текста в ответ на запросы; модель содержит 13,8 млрд параметров и поддерживает контекст до 32 768 токенов. Модель дополнительно обучена на многоязычном наборе данных с токенизатором на основе Yi-1.5-9B-32K. В README также указано, что веса включают части Yi-1.5-9B-32K и DeepSeek-VL-7B-chat. Карточка перечисляет китайский, английский, французский, немецкий, японский, корейский, итальянский и финский языки. Репозиторий содержит веса в формате safetensors и поддерживает чатовый сценарий. Модель может выдавать ошибочные, вредоносные или нежелательные ответы; авторы не рекомендуют применять её в критических ситуациях, включая медицину и важные финансовые или юридические решения. В метаданных лицензия обозначена как other; README сообщает об использовании компонентов под Apache 2.0 и DeepSeek License, поэтому перед использованием следует проверить условия обеих лицензий.

Orca Mini v9.2 — диалоговая языковая модель Pankaj Mathur, дообученная на базе Meta Llama 3.3 70B Instruct. Она предназначена для генерации текста и работы в роли разговорного ассистента; в карточке приведён формат промпта Llama 3. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. Карточка указывает английский язык, а базовая модель поддерживает также французский, немецкий, хинди, итальянский, португальский, испанский и тайский; качество Orca Mini на этих языках отдельно не подтверждено. Модель может генерировать неточные, предвзятые или нежелательные ответы, поэтому перед применением требуется тестирование и настройка мер безопасности под конкретный сценарий. Распространяется по лицензии Llama 3.3.

Карточка модели PositronicLlama/Ovis2.5-9B на Hugging Face совпадает с карточкой ATH-MaaS/Ovis2.5-9B, поэтому описание составлено по ней. Ovis2.5-9B — мультимодальная модель семейства Ovis2.5, разработанная командой AIDC-AI. Она сочетает визуальный энкодер NaViT для обработки изображений в исходном переменном разрешении с языковой моделью Qwen3-8B; размер модели — 9 млрд параметров. Модель принимает текст и изображения и генерирует текст, поддерживает контекст до 40 960 токенов и рассчитана прежде всего на английский и китайский языки. Модель предназначена для визуальных вопросов и ответов, мультимодальных рассуждений, понимания видео, распознавания текста и анализа документов, таблиц, форм, графиков и диаграмм. Режим размышления с самопроверкой и пересмотром ответа можно включать при выводе, увеличивая задержку ради потенциально более точного ответа на сложные запросы. В README заявлен средний результат 78,3 в мультимодальном наборе OpenCompass и сильные результаты в задачах понимания изображений и документов. Модель распространяется по лицензии Apache-2.0. README предупреждает, что разработчики не гарантируют полного отсутствия проблем с авторскими правами или неподобающим содержимым.

WesPro/PsykidelicLlama3 — объединённая языковая модель семейства Llama 3, созданная WesPro с помощью mergekit и метода DARE TIES. В качестве базовой модели использована mlabonne/ChimeraLlama-3-8B; в объединение также вошли cognitivecomputations/dolphin-2.9-llama3-8b, nbeerbower/llama-3-dragonmaid-8B и WesPro/F2PhenotypeDPO. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и рассчитана на генерацию текста в диалоговом формате: ответы на вопросы, ведение беседы и создание текстов. Нативная длина контекста — 8192 токена. Для загрузки доступны веса safetensors через Transformers. Модель предназначена для экспериментов и прикладных сценариев с текстовым помощником. README и метаданные не описывают отдельные ограничения качества или условия лицензии, поэтому их нельзя уточнить по имеющимся данным.

Pullulation-2-9B — объединённая диалоговая языковая модель на базе Gemma 2, созданная ClaudioItaly с помощью mergekit и метода Model Stock. В качестве базовой модели при слиянии использована nbeerbower/gemma2-gutenberg-9B; также объединены пять других вариантов Gemma 2 с настройками для диалогов и генерации текста. Модель с плотной архитектурой Gemma2ForCausalLM содержит 9 млрд параметров, работает через Transformers и распространяется в формате safetensors. Она предназначена для генерации текста и диалоговых ответов; контекст составляет 8192 токена. Лицензия в предоставленных данных не указана.

Qwen-Mix-7B — мультиязычная разговорная модель для генерации текста, созданная объединением трёх моделей Qwen2 с помощью mergekit и метода model_stock. Она содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и поддерживает контекст до 32 768 токенов. Модель подходит для диалога и генерации ответов на текстовые запросы. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не описывает конкретные языки, кроме указания на мультиязычность, и не приводит оценок качества или подробных ограничений применения.

Карточка модели SouthMemphis/Saiga на Hugging Face совпадает с карточкой IlyaGusev/saiga_mistral_7b_merged, поэтому описание составлено по ней. IlyaGusev/saiga_mistral_7b_merged — объединённая версия модели семейства Mistral, предназначенная для генерации текста. По метаданным это плотная авторегрессионная модель MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. В README указано, что существуют версии GGUF и квантизации TheBloke, но данный репозиторий содержит веса PyTorch. Модель ориентирована на русскоязычные запросы; метаданные связывают её с русскоязычными наборами инструкций и диалогов. Её можно использовать для ответов на вопросы, диалогов и выполнения текстовых инструкций на русском языке. Лицензия — Apache-2.0. README не раскрывает, какие именно модели были объединены и как выполнялось слияние.

Aleteian/saiga-vikhr-dostoevsky-ru-mn-12b — русскоязычная диалоговая языковая модель, созданная слиянием двух моделей на базе Mistral Nemo: IlyaGusev/saiga_nemo_12b и IlyaGusev/vikhr_nemo_orpo_dostoevsky_12b. Для объединения использован метод SLERP с библиотекой mergekit; модель имеет плотную архитектуру MistralForCausalLM и содержит 12,1 млрд параметров. Модель предназначена для генерации текста в диалоге и ответов на запросы пользователей. Она принимает текст и выдаёт текст; метаданные указывают контекст до 1 024 000 токенов и поддержку чата. Лицензия в предоставленных данных не указана.

Sailor2-8B-Chat — чат-модель сообщества Sailor2, дообученная на базе Sailor2-8B, которая построена на Qwen2.5. Модель содержит 8 млрд параметров, использует архитектуру Qwen2 и предназначена для диалогов и генерации текста. Модель ориентирована на многоязычное общение и сценарии в Юго-Восточной Азии. Семейство Sailor2 обучалось на 500 млрд токенов и поддерживает 15 языков, включая английский, китайский и языки региона; для этой версии в метаданных перечислены английский, китайский, индонезийский, тайский, вьетнамский и другие языки Юго-Восточной Азии. Контекст модели — 4096 токенов. Модель можно применять для чат-ботов, ответов на вопросы и создания текстов на поддерживаемых языках. Веса доступны в формате safetensors, для работы используется Transformers. Модель выпущена под лицензией Apache 2.0. Ограничение контекста составляет 4096 токенов; качество может различаться между языками, особенно для языков с меньшим объёмом данных.

Это объединённая языковая модель на 8,8 млрд параметров, созданная ByteDance с помощью mergekit из контрольных точек этапов midtrain alignment. Для слияния использован линейный метод: контрольная точка global_step12040 взята за основу и объединена с контрольными точками global_step10000 и global_step11000. Модель построена на архитектуре GPT-NeoX и сохранена в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Контекст составляет до 16 384 токенов. Данные карточки не описывают конкретные языки или специализированные области применения. Лицензия в предоставленных сведениях не указана.

Ksgk-fy/ShadowStrangemerges_32-7B — языковая модель для генерации текста, созданная слиянием моделей на базе Mistral. Конфигурация README указывает на merge методом dare_ties моделей CorticalStack/shadow-clown-7B-slerp и Gille/StrangeMerges_32-7B-slerp; метаданные связывают репозиторий с Gille/StrangeMerges_32-7B-slerp. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Её можно применять для диалогов, черновиков, продолжения текста и ответов на вопросы; карточка не описывает специализированные области или языки. В репозитории указаны веса safetensors и лицензия Apache-2.0.

SmartLlama-3-8B-MS-v0.1 — объединённая модель генерации текста семейства Llama 3, собранная Kukedlc с помощью LazyMergekit из четырёх моделей: Locutusque/llama-3-neural-chat-v1-8b, cloudyu/Meta-Llama-3-8B-Instruct-DPO, cognitivecomputations/dolphin-2.9-llama3-8b и abacusai/Llama-3-Smaug-8B. В конфигурации указан метод слияния model_stock и формат bfloat16; модель имеет архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Её можно использовать для ответов на вопросы, написания черновиков и ведения многоходового чата. Карточка не уточняет поддерживаемые естественные языки и специализированные области применения. Лицензия указана как other, поэтому условия использования следует проверять в репозитории и у авторов исходных моделей. Доступные сведения не содержат сравнительных оценок качества или подробных ограничений поведения; результат зависит от запроса и сценария применения.

jaspionjader/sof-5 — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом Model Stock. При слиянии использованы jaspionjader/sof-3, jaspionjader/ek-6 и jaspionjader/sof-4; базовой моделью указана jaspionjader/Kosmos-EVAA-Franken-stock-v43-8B. Модель относится к семейству Llama, использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст, а заявленная длина контекста составляет до 131 072 токенов. Карточка не описывает целевые языки или специализированные области применения, поэтому модель следует рассматривать как универсальную. В репозитории указаны веса в формате safetensors и тип данных bfloat16. Лицензия в предоставленных данных не приведена. Карточка не содержит результатов оценки качества или конкретных ограничений поведения модели.

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

Gunulhona/Strom-Llama-Merge — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit. В слиянии использованы Meta-Llama-3.1-8B и akjindal53244/Llama-3.1-Storm-8B: слои 0–15 взяты из первой модели, а слои 16–31 — из второй. Репозиторий содержит веса в формате safetensors; модель насчитывает 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Её можно применять для ответов на вопросы, продолжения текста и создания черновиков на основе инструкций. В карточке не приведены отдельные результаты оценки качества или сведения о языках; модель основана на Llama 3.1 и помечена как conversational. Лицензия в предоставленных данных не указана. Поскольку модель объединяет веса Meta-Llama-3.1-8B и Llama-3.1-Storm-8B, условия использования следует сверять с лицензиями исходных моделей.

T3Q-Merge-SOLAR12 — языковая модель, созданная Chihoon Lee и T3Q путём слияния двух моделей с помощью mergekit: davidkim205/komt-solar-10.7b-sft-v5 и LDCC/LDCC-SOLAR-10.7B. Модель предназначена для генерации текста и диалоговых сценариев на основе текстового запроса. Модель использует плотную архитектуру семейства Llama и содержит 10,7 млрд параметров. Максимальная длина контекста — 4096 токенов. В репозитории доступны веса в формате safetensors; слияние выполнено методом SLERP с настройками для слоёв self-attention и MLP. Модель поддерживает ввод и генерацию текста. Лицензия — Apache-2.0. Карточка не сообщает о специальных областях применения или подтверждённых ограничениях качества; результат генерации может зависеть от формулировки запроса и не должен считаться проверенным фактом.

VibeVoice-ASR — модель Microsoft для распознавания речи и формирования структурированных расшифровок. Она принимает аудио и в одном проходе обрабатывает записи длительностью до 60 минут, указывая распознанный текст, временные метки и говорящих. Модель также поддерживает пользовательские ключевые слова для имён, терминов и другой специальной лексики. Модель рассчитана на многоязычную речь: README заявляет поддержку более 50 языков, автоматическое определение языка и переключение между языками в ходе записи. По данным карточки, модель построена на плотной архитектуре семейства VibeVoice, использует Transformers и хранит веса в формате safetensors. Указанная лицензия — MIT. Модель подходит для расшифровки длинных записей, где важны привязка реплик ко времени и разделение по говорящим. README заявляет обработку до 60 минут в пределах контекста 64K токенов; фактическое качество распознавания может зависеть от языка, акустики и предметной лексики.