III.2Исследование рынка и маркетинг

KafkaLM-8x7b-German-V0.1-DPO — немецкоязычная языковая модель Seedbox, обученная Деннисом Дикманном. Это дообученная модель семейства Mixtral с архитектурой Mixture of Experts; в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Весовые файлы доступны в формате safetensors. Модель предназначена для диалогового помощника и повседневных задач на немецком языке, включая сценарии немецкоязычного бизнеса. Она дообучена на наборах инструкций, переведённых с английского на немецкий, а затем выровнена методом DPO на немецкой модификации UltraFeedback. Автор отмечает её уверенное и творческое поведение, а также склонность иногда выходить за языковые рамки. Модель распространяется по лицензии Apache-2.0. Карточка рекомендует использовать её для исследовательских целей и указывает, что применяются ограничения исходной лицензии Llama 2 и использованных датасетов; эта оговорка сама по себе не меняет классификацию зрелости модели.

KR-X-AI разработала эту разговорную языковую модель на базе Qwen2-7B-Instruct. Это плотная авторегрессионная модель с 7,1 млрд параметров для генерации текста и диалогов; заявленное окно контекста составляет 32 768 токенов. Модель дообучена от unsloth/qwen2-7b-instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель предназначена для чат-сценариев и генерации ответов на текстовые запросы. В метаданных указан английский язык. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

L3.1-Artemis-h-8B — объединённая языковая модель на базе архитектуры Llama, созданная сообществом mergekit с помощью метода Model Stock. В качестве базовой модели использована kromeurus/L3.1-Ablaze-Vulca-v0.1-8B; в объединение также вошли DeepSeek-R1-Distill-Llama-8B, L3-Boshima-a, NeuralDaredevil-8B-abliterated и L3-Umbral-Mind-RP-v3.0-8B. Модель предназначена для генерации текста и диалогового взаимодействия. Она содержит 7,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате safetensors и рассчитан на работу через Transformers. Карточка не описывает отдельные гарантии качества, языковой охват или условия лицензии, поэтому их нельзя уточнить по доступным сведениям.

djuna/L3.1-gramamax — плотная авторегрессионная языковая модель семейства Llama, созданная слиянием предварительно обученных моделей с помощью mergekit. В качестве основы использована ArliAI/Llama-3.1-8B-ArliAI-Indo-Formax-v1.0, а также включена djuna/L3.1-gramax; применён метод линейного слияния DARE. Модель содержит 7,5 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст. В README и метаданных не приведены отдельные сведения о целевых языках или специализированных областях применения, поэтому описание ограничивается общими сценариями генерации и общения. Лицензия в предоставленных данных не указана.

Ling-plus-base — базовая языковая модель с архитектурой Mixture of Experts (MoE), разработанная InclusionAI. Она предназначена для генерации текста и диалогового взаимодействия, а структура MoE позволяет масштабировать модель и адаптировать её к разным задачам, включая работу с естественным языком и решение сложных задач. По README, Ling-Plus содержит 290 млрд параметров, из которых при генерации активируются 28,8 млрд; в метаданных репозитория указано 23,9 млрд параметров. Карточка описывает контекст до 64 тыс. токенов, тогда как метаданные указывают нативный контекст в 16 384 токена. Модель работает с текстом и поддерживает чатовый сценарий; заявленные языки использования отдельно не перечислены. Модель распространяется под лицензией MIT. README сообщает о сравнительно высокой производительности, но конкретные результаты оценки находятся в техническом отчёте и в карточке не приведены, поэтому качество для конкретных задач следует проверять отдельно.

LION-LLaMA-3-8b-dpo-v1.0 — языковая чат-модель Columbia NLP на архитектуре Llama 3, дообученная методом DPO на базе Columbia-NLP/LION-LLaMA-3-8b-sft-v1.0. Модель относится к семейству LION, обученному по конвейеру SFT, DPO и онлайн-обучения на предпочтениях; в этой версии применён этап DPO. В репозитории доступны веса Safetensors, модель содержит около 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для диалогов и генерации текста на английском языке. В карточке авторы сообщают о высоких результатах семейства LION, однако приведённая таблица содержит данные только для версии SFT, поэтому она не подтверждает конкретные показатели этой DPO-версии. Для использования указана лицензия Llama 3 Terms of Use.

Fischerboot/ll3-test-6 — плотная языковая модель семейства Llama, созданная с помощью mergekit методом SLERP на основе Fischerboot/ll3-test-5. Репозиторий содержит веса в формате safetensors; размер модели — 6 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и диалогового общения.

Yukang/Llama-2-7b-longlora-32k-ft — дообученная полная версия LLaMA 2 на 7 млрд параметров, созданная авторами проекта LongLoRA для работы с длинным контекстом. Модель предназначена для генерации текста и обработки запросов, в которых важно учитывать большой объём предшествующего текста, например длинные документы. Контекст этой версии расширен до 32 768 токенов. В README описан подход LongLoRA: для эффективного расширения контекста при дообучении используется разреженное локальное внимание, при этом во время инференса сохраняется плотное глобальное внимание. Метаданные указывают нативную длину контекста 4 096 токенов, поэтому заявленное в README расширение до 32 768 токенов следует отличать от этого значения. Модель использует архитектуру LlamaForCausalLM и распространяется в формате PyTorch. Модель подходит для суммаризации и вопросов по длинным текстам, но README не приводит отдельные оценки качества именно этого чекпойнта. Условия лицензии в предоставленных данных не указаны.

TroyDoesAI/Llama-3.1-13B-Instruct — текстовая диалоговая модель на архитектуре Llama, созданная разработчиком TroyDoesAI с помощью mergekit. В README указан метод объединения passthrough и модель TroyDoesAI/Llama-3.1-8B-Instruct в составе слияния; метаданные каталога классифицируют её как дообучение этой базовой модели. Репозиторий содержит веса в формате safetensors, модель насчитывает 12,7 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста в диалогах и других сценариях, где нужен ответ на текстовый запрос. Карточка не описывает отдельные специализированные области или дополнительные возможности сверх диалоговой генерации. Условия лицензии в предоставленных материалах не указаны.

Richardyoung/Llama-3.1-8B-Instruct-heretic — диалоговая текстовая модель на архитектуре Llama 3.1, основанная на Meta Llama 3.1 8B Instruct и дообученная автором репозитория. Модель содержит 7,5 млрд параметров, использует плотный авторегрессионный Transformer с Grouped-Query Attention и рассчитана на контекст до 131 072 токенов. Репозиторий помечен как uncensored и decensored; заявленный pipeline — генерация текста. Модель подходит для диалогового помощника, ответов на вопросы, написания и преобразования текста на английском, немецком, французском, итальянском, португальском, хинди, испанском и тайском языках. Метаданные описывают её как чат-модель; README содержит сведения о базовой модели Meta Llama 3.1, но не отдельные оценки качества или подробное описание изменений в этой версии. Файлы представлены в формате safetensors. Модель распространяется по лицензии Llama 3.1 Community License. Следует учитывать условия этой лицензии и применимые правила использования; удаление или ослабление отказов, подразумеваемое метками uncensored и decensored, может привести к генерации небезопасного или нежелательного содержимого.

Joseph717171/Llama-3.1-SuperNova-8B-Lite_TIES_with_Base — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом TIES на основе arcee-ai/Llama-3.1-SuperNova-Lite и meta-llama/Llama-3.1-8B. Модель относится к семейству Llama, имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров; для загрузки используются файлы safetensors. Заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалоговых сценариев. Автор применил параметры weight и density, чтобы сохранить больше возможностей следования инструкциям при объединении. В карточке приведены результаты Open LLM Leaderboard, включая оценку IFEval 80,96 и средний балл 43,07. Лицензия — Llama 3.1; условия использования определяются соответствующей лицензией Meta. README не сообщает поддерживаемые естественные языки и не описывает отдельные специализированные области применения.

Locai L1-Large — диалоговая языковая модель Locai Labs, дообученная на базе Qwen3-235B-A22B-Instruct-2507 методом постобучения Forget-Me-Not. Это модель семейства Qwen3 MoE с 18,2 млрд параметров и контекстом до 262 144 токенов; веса опубликованы в формате safetensors. Она предназначена для генерации ответов и следования инструкциям, а также подходит для математических и научных рассуждений. Разработчики сообщают об улучшении следования инструкциям и устойчивости к вредоносным запросам, сохраняя при этом математические и научные способности базовой модели. Модель поддерживает несколько языков; отдельно заявлено улучшение для валлийского, ирландского, шотландского гэльского, баскского, армянского, тагальского и суахили. Для модели указана лицензия Apache-2.0. Заявленные в карточке результаты бенчмарков приведены разработчиками и сами по себе не гарантируют аналогичного качества на пользовательских задачах.

Карточка модели Edgerunners/Lyraea-small-llama-3.1 на Hugging Face совпадает с карточкой Edgerunners/Lyraea-medium-llama-3.1, поэтому описание составлено по ней. Lyraea-medium-llama-3.1 — разговорная языковая модель семейства Llama 3.1, опубликованная Edgerunners. Это средний вариант серии small, medium и large, созданной на основе llama-3.1-8b-128k uncensored. Модель предназначена для генерации текста в диалоговом формате; автор отмечает, что варианты серии имеют разные сценарии применения. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов. В репозитории представлены веса Safetensors. Языковые сведения в карточке не приводятся. Модель предоставляется «как есть» и «по мере доступности», без гарантий; провайдер снимает с себя ответственность за ущерб и не гарантирует соответствие конкретным требованиям или безошибочную работу. Сведения о лицензии в доступных данных отсутствуют.

M2M100 1.2B — многоязычная модель перевода от Meta, впервые опубликованная в этом репозитории. Это encoder-decoder архитектура seq-to-seq на 533,8 млн параметров, обученная для перевода между 100 языками в 9 900 направлениях. Целевой язык задаётся специальным токеном в начале генерации; доступны веса PyTorch и библиотека Transformers. Контекст модели — 1 024 токена. Модель подходит для прямого перевода между языками без промежуточного перевода через английский, в том числе для языковых пар с меньшими объёмами обучающих данных. Она поддерживает, среди прочих, русский, английский, китайский, арабский, хинди, японский и европейские языки. Лицензия MIT разрешает свободное использование и модификацию. Качество может различаться между языковыми парами; модель предназначена для перевода текста и не заявлена как специализированная для предметных областей.

MaziyarPanahi/M7Yamshadowexperiment28_MeliodasT3qm7 — объединённая модель Mistral с плотной архитектурой и 7,1 млрд параметров. Она предназначена для генерации текста и диалоговых ответов, включая сценарии с длинным контекстом до 32 768 токенов. Модель создана слиянием automerger/M7Yamshadowexperiment28-7B и automerger/MeliodasT3qm7-7B. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. Сведения о языковой специализации и ограничениях качества в карточке отсутствуют.

Magnum-v2.5-12b-kto — экспериментальная разговорная языковая модель Anthracite, созданная дообучением anthracite-org/magnum-12b-v2. Она предназначена для следования инструкциям и генерации прозы с качеством, ориентированным на Claude 3 Sonnet и Opus. Обучение версии использовало ограниченную часть инструкционных данных и гибридную стратегию KTO и DPOP: примеры отклонённых ответов получали из исходной модели, а предпочтительные — из исходного набора для дообучения. Модель построена на архитектуре Mistral, содержит 12,1 млрд параметров и принимает диалоги в формате ChatML. Метаданные указывают поддержку английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков и контекст до 1 024 000 токенов. Распространяется в формате Safetensors по лицензии Apache 2.0. Модель подходит для диалогов, выполнения инструкций и создания прозы. Авторы характеризуют эту версию как экспериментальную и отмечают, что обучение проведено на ограниченном объёме данных, поэтому обобщение может быть недостаточным.

MasherAI-v6.1-7B-checkpoint3 — плотная авторегрессионная языковая модель семейства Mistral, разработанная mahiatlinux и дообученная на базе mahiatlinux/MasherAI-v6.2-7B-checkpoint2. Модель предназначена для генерации текста и диалогового общения; при обучении использовались Unsloth и библиотека Hugging Face TRL. Модель содержит 7,1 млрд параметров, принимает текст и выдаёт текст. Её родной контекст составляет 32 768 токенов, а в карточке заявлена поддержка английского языка. Модель распространяется под лицензией Apache-2.0.

MBX-7B-v2 — плотная языковая модель семейства Mistral с 7,1 млрд параметров, созданная flemmingmiguel путём слияния моделей flemmingmiguel/MBX-7B и flemmingmiguel/MBX-7B-v2 методом SLERP с помощью LazyMergekit. Она предназначена для генерации текста. Модель принимает текст и выдаёт текст; заявленная длина контекста составляет 32 768 токенов. Веса доступны в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка описывает схему слияния и исходные репозитории, но не приводит конкретных результатов оценки качества или подробных рекомендаций по сценариям применения.

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.

MeliodasPercival_01_Experiment26Experiment26 — объединённая языковая модель семейства Mistral, созданная MaziyarPanahi на основе automerger/MeliodasPercival_01-7B и automerger/Experiment26Experiment26-7B. Она предназначена для генерации текста и диалогов по текстовым запросам. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель распространяется в формате SafeTensors по лицензии Apache 2.0. README не уточняет языковую специализацию или дополнительные возможности, поэтому модель можно описать как средство генерации текста общего назначения.

MeliodasPercival_01_NeuralsirkrishnaT3qm7x — объединённая текстовая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием моделей automerger/MeliodasPercival_01-7B и automerger/NeuralsirkrishnaT3qm7x-7B; автор карточки — MaziyarPanahi. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и поддерживает контекст длиной до 32 768 токенов. В репозитории представлены веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает о специальных предметных областях или языковой специализации.

MaziyarPanahi/MeliodasPercival_01_T3qm7xExperiment28 — объединённая модель семейства Mistral с 7,1 млрд параметров для генерации текста и диалогов. Она объединяет модели automerger/MeliodasPercival_01-7B и automerger/T3qm7xExperiment28-7B и использует архитектуру MistralForCausalLM с плотной структурой. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Модель подходит для генерации продолжений текста и диалоговых ответов. В карточке указана лицензия Apache-2.0. Подробности о языковом покрытии и специальных ограничениях в доступных данных не описаны.

MeliodasT3q_Experiment26Neuralarjuna — объединённая текстовая модель, созданная на основе automerger/MeliodasT3q-7B и automerger/Experiment26Neuralarjuna-7B. Она предназначена для генерации текста и диалогов, включая сценарии с длинными запросами и историей переписки. Модель использует плотную архитектуру Mistral с причинно-следственной языковой моделью и содержит 7,1 млрд параметров. Поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0. Данных о специальных предметных областях или поддерживаемых языках в предоставленной карточке нет.

mahiatlinux/merged1and2-and-dolphin — объединённая модель для генерации текста и диалогов, созданная автором репозитория с помощью LazyMergekit. В неё объединены mahiatlinux/merged1and2 и cognitivecomputations/dolphin-2.1-mistral-7b методом slerp; базовой указана mahiatlinux/merged1and2. Архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, формат весов — Safetensors, контекст — до 32 768 токенов. Модель предназначена для текстового общения и генерации ответов в диалоговых сценариях. В карточке не приведены сведения о поддерживаемых естественных языках, лицензии или специальных предметных областях, поэтому их нельзя уточнить по доступным данным.

Merlinite-7B-pt — англоязычная диалоговая модель IBM Research на архитектуре Mistral, содержащая 7,1 млрд параметров и принимающая контекст длиной до 32 768 токенов. Она создана на базе mistralai/Mistral-7B-v0.1: сначала прошла дообучение на инструкциях методом SFT с использованием LAB, затем была настроена на предпочтения с помощью AI-обратной связи и итеративного отбора ответов. Для оценки предпочтений применялись DPO log-ratio оценки Mixtral-8x7B-Instruct-v0.1. Модель предназначена для диалогов, следования инструкциям, ответов на вопросы, объяснений и помощи в решении задач на английском языке. В карточке сообщается о результате 7,96 на MT-Bench; среднее значение за пять запусков — 7,85. Модель выдаёт текст, а её единственный pipeline-тег — text-generation. Модель распространяется под лицензией Apache 2.0. Настройка предпочтений не была специально направлена на обеспечение безвредности; сохраняются ограничения базовой модели, включая риск галлюцинаций и генерации вредоносного или вводящего в заблуждение текста. Не следует полагаться на её ответы при принятии важных решений без проверки.

Meta-Llama-3-13B-Instruct — диалоговая текстовая модель на архитектуре Llama, созданная автором репозитория путём объединения слоёв модели meta-llama/Meta-Llama-3-8B-Instruct с помощью MergeKit. Несмотря на название, в метаданных указано 13,4 млрд параметров; модель представлена в формате safetensors и работает с контекстом до 8192 токенов. Модель предназначена для диалоговой генерации текста и ассистентских ответов. В карточке заявлен английский язык; базовая модель Meta также рассчитана на генерацию английского текста. Для использования применяется библиотека Transformers. Лицензия обозначена как other, поэтому конкретные условия следует сверить с карточкой репозитория и условиями базовой модели.

MaziyarPanahi/mistral-7b-v5-Mistral-7B-Instruct-v0.1 — чат-модель на архитектуре Mistral для генерации текста в ответ на инструкции и диалоговые запросы. Она создана слиянием методом SLERP моделей mistralai/Mistral-7B-Instruct-v0.1 и mncai/mistral-7b-v5; базовой указана mistralai/Mistral-7B-Instruct-v0.1. Модель содержит 7,1 млрд параметров, рассчитана на контекст до 32 768 токенов и распространяется в формате Safetensors. Модель подходит для диалоговых помощников и генерации ответов по текстовым запросам. В метаданных указан английский язык. Лицензия — Apache-2.0. Данные карточки не описывают специальных прикладных областей или известных ограничений качества.

Mistralv0.2-StarlingLM-FrankenMaid-10.5B — диалоговая языковая модель, созданная слиянием моделей с помощью mergekit. В состав слияния входят Mistral-7B-Instruct-v0.2, Starling-LM-7B-beta и fM-v2; применены методы passthrough и dare_ties. Архитектура — плотная MistralForCausalLM, размер — 10,4 млрд параметров, формат весов — safetensors, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых ответов; в карточке рекомендуется шаблон Alpaca Instruct. Данные не уточняют набор поддерживаемых языков или специальные предметные области. Лицензия в доступных сведениях не указана.

Карточка модели vistagi/Mixtral-8x7b-v0.1-sft на Hugging Face совпадает с карточкой vistagi/Mixtral-8x7b-v0.1-dpo, поэтому описание составлено по ней. vistagi/Mixtral-8x7b-v0.1-dpo — разговорная языковая модель семейства Mixtral, представленная как модель генерации текста. В карточке указано обучение на базе Mixtral-8x7b-v0.1 с использованием LoRA; метаданные описывают архитектуру как MoE и указывают 7,1 млрд параметров. Модель рассчитана на диалоговые сценарии и генерацию ответов по текстовым запросам. Её можно применять для ведения диалога и создания текстовых ответов на английском языке. Контекстное окно составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README описывает supervised fine-tuning на Ultrachat-200K, тогда как в метаданных указан датасет UltraFeedback; поэтому конкретный режим обучения именно этой версии DPO по доступным сведениям подтвердить нельзя.

MoNeuTrix-MoE-4x7B — текстовая генеративная модель с архитектурой Mixture of Experts на базе Mixtral, созданная CultriX с помощью LazyMergekit путём слияния четырёх моделей: CultriX/MonaTrix-v4, mlabonne/OmniTruthyBeagle-7B-v0, CultriX/MoNeuTrix-7B-v1 и paulml/OmniBeagleSquaredMBX-v3-7B. Модель предназначена для генерации текста; её размер составляет 7,1 млрд параметров, а контекст — до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель выпущена под лицензией Apache-2.0. В README не описаны специализированные области применения и языки.