III.2Исследование рынка и маркетинг

zelk12/MT2-Gen4-MA-gemma-2-N3N1532-9B — языковая модель Gemma 2 с 9 млрд параметров, созданная слиянием двух моделей методом SLERP с помощью mergekit. В состав слияния вошли nhyha/N3N_gemma-2-9b-it_20241029_1532 и allknowingroger/Gemmaslerp2-9B; веса сохранены в формате safetensors, библиотека для работы — Transformers. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов. Карточка не уточняет поддерживаемые языки и специализированные области применения, поэтому модель следует рассматривать как общего назначения. Репозиторий не сообщает результатов оценки качества или известных ограничений. Лицензия в предоставленных данных не указана.

zelk12/MT2-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMTM4-9B — объединённая модель генерации текста, созданная разработчиком zelk12 методом SLERP с помощью mergekit из двух моделей: zelk12/MT-Merge4-gemma-2-9B и zelk12/MT-Merge2-MU-gemma-2-MTg2MT1g2-9B. Модель построена на плотной архитектуре Gemma 2 с 9 млрд параметров и поддерживает контекст длиной до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Данные не описывают её специализацию по языкам или предметным областям, поэтому её можно характеризовать только как модель общего назначения. Репозиторий содержит веса в формате safetensors; для работы используется библиотека Transformers. Лицензия в предоставленных данных не указана.

zelk12/MT3-Gen5-BMU-gemma-2-9B_v1 — языковая модель для диалогов и генерации текста, созданная слиянием двух предварительно обученных моделей с помощью SLERP и mergekit. В основе лежат zelk12/MT3-Gen5-MU-gemma-2-Av4dG-9B_v1 и zelk12/MT3-Gen5-BB-gemma-2-RAv0.1MT2-9B_v1. Модель использует плотную архитектуру Gemma 2 с 9 млрд параметров и работает с контекстом до 8192 токенов. Она предназначена для текстовых запросов и выдаёт текст; метаданные отмечают поддержку диалогового режима. Репозиторий содержит веса в формате safetensors и предназначен для Transformers. Карточка не описывает специальные прикладные области, поддерживаемые языки или отдельные ограничения качества. Лицензия в предоставленных данных не указана.

zelk12 создал эту объединённую языковую модель на основе Gemma 2, объединив методом SLERP две модели: zelk12/MT4-Gen5-GP-gemma-2-MTMMT3g4-9B и zelk12/MT4-Gen5-MA-gemma-2-MT4g2MT3g4-9B. Модель использует плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и рассчитана на генерацию текста и диалоги; для запуска доступна в формате safetensors через Transformers. Модель принимает текст и генерирует текст, а её контекстное окно составляет 8192 токена. Карточка не описывает отдельные специализированные области или языки, поэтому её назначение следует считать общим. Условия лицензии в предоставленных данных не приведены.

zelk12/MT5-Gen5-MUMM-gemma-2-9B — текстовая языковая модель, созданная разработчиком репозитория объединением двух предварительно обученных моделей семейства Gemma 2. Для объединения использован метод SLERP через mergekit; веса представлены в формате Safetensors. Модель предназначена для генерации текста и диалогового общения. Модель содержит 9 млрд параметров и поддерживает контекст длиной до 8192 токенов. В карточке не приведены сведения о целевых языках, конкретных сценариях настройки или специализированных областях применения, поэтому её можно характеризовать только как модель общего назначения. Лицензия в предоставленных данных не указана.

zelk12/MT-Merge3-GMAMUI-gemma-2-9B — объединённая разговорная языковая модель на базе архитектуры Gemma 2, созданная методом SLERP с помощью mergekit из zelk12/MT-Merge3-GMA-gemma-2-9B и zelk12/MT-Merge3-MUI-gemma-2-9B. Модель содержит 9 млрд параметров, работает через Transformers и рассчитана на генерацию текста и диалоговое взаимодействие; длина контекста составляет 8192 токена. Модель подойдёт для ведения диалогов и генерации ответов на текстовые запросы. Веса представлены в формате safetensors; лицензия и языковая специализация в доступных сведениях не определены.

zelk12/MT-Merge4-gemma-2-9B — разговорная языковая модель на архитектуре Gemma 2, созданная разработчиком zelk12 путём слияния двух предварительно обученных моделей: zelk12/MT-Merge4-BMUGI-gemma-2-9B и zelk12/MT-Merge4-MMMA-gemma-2-9B. Для объединения применён метод SLERP через mergekit; модель имеет около 9 млрд параметров, работает с текстом и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста в диалоговом формате и общих сценариев общения с языковой моделью. В README приведены результаты оценивания на Open LLM Leaderboard, включая IFEval и BBH, но они не гарантируют качество на конкретных пользовательских задачах. Репозиторий содержит веса safetensors и использует лицензию Gemma; применение должно соответствовать её условиям.

Multi_verse_modelInex12-7B — объединённая чат-модель на архитектуре Mistral, созданная Maxime Labonne автоматическим слиянием MTSAIR/multi_verse_model и MSL7/INEX12-7b. Для слияния использован метод SLERP с настройкой весов слоёв внимания и MLP; веса сохранены в формате safetensors и типе bfloat16. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста. В карточке указана лицензия Apache-2.0. Языковые сведения карточки и метаданных указывают на англоязычную базовую модель; отдельные языковые возможности объединённой модели не описаны.

NeuralPipe-7B-slerp-DPO — языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная Samee-ur методом Direct Preference Optimization на наборе Intel/orca_dpo_pairs. Это версия модели Samee-ur/NeuralPipe-7B-slerp, настроенная на генерацию текста по предпочтениям. Она предназначена для текстовых запросов и ответов; поддерживает английский язык и контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0.

MaziyarPanahi/NeuralsirkrishnaShadow_YamNeuralsirkrishna — объединённая автором карточки модель на архитектуре Mistral с 7,1 млрд параметров, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/YamNeuralsirkrishna-7B. Она предназначена для генерации текста и принимает запросы на естественном языке; заявленная длина контекста — до 32 768 токенов. Модель может применяться для диалога, составления текстов и ответов на вопросы. Веса опубликованы в формате Safetensors. Лицензия — Apache-2.0. Карточка не сообщает о специализации по языкам или прикладным областям, поэтому их нельзя подтвердить.

Nous-Hermes-2-SUS-Chat-2x34B — языковая модель Weyaxi, созданная объединением моделей с помощью mergekit. В конфигурации указаны базовая модель Yi-34B и эксперты Nous-Hermes-2-Yi-34B и SUS-Chat-34B; метаданные относят архитектуру к Mixtral MoE с классом MixtralForCausalLM. Модель предназначена для генерации текста и диалоговых сценариев. В репозитории представлены веса safetensors в формате bfloat16. Размер модели по метаданным — 33,9 млрд параметров, длина контекста — 4096 токенов. README приводит результаты оценки на нескольких бенчмарках, включая AI2 Reasoning Challenge и HellaSwag. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели и у правообладателей базовых моделей.

pastiche-crown-clown-7B-dare — объединённая модель семейства Mistral, созданная с помощью mergekit из четырёх моделей: bardsai/jaskier-7b-dpo-v5.6, mlabonne/AlphaMonarch-7B, mlabonne/NeuralMonarch-7B и macadeliccc/MBX-7B-v3-DPO. Для слияния использован метод DARE TIES; итоговые веса сохранены в формате safetensors и имеют тип bfloat16. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста, в том числе диалогов, ответов на инструкции и рассуждений, унаследованных от базовых моделей. Она может применяться в чат-ботах и для генерации текста по запросу. Репозиторий распространяется по лицензии Apache-2.0. README не приводит сравнительных оценок качества или специализированных ограничений; результаты могут зависеть от запроса и сценария использования.

mergekit-community/qwen2.5-11B-Mzy — объединённая плотная языковая модель семейства Qwen2.5, созданная с помощью mergekit методом passthrough из AIDC-AI/Marco-o1, djuna/Q2.5-Fuppavy-7B и happzy2633/qwen2.5-7b-ins-v3. Модель содержит 10,8 млрд параметров и предназначена для генерации текста в диалоговых сценариях. Модель принимает текст и выдаёт текст; доступна в формате safetensors для Transformers. Заявленная длина контекста — 32 768 токенов. В README указано, что веса собраны из диапазонов слоёв трёх исходных моделей; детали лицензии и результаты сравнительных оценок в предоставленных данных отсутствуют.

jeiku/qwen2base — слитая с помощью LazyMergekit модель на архитектуре Qwen2, объединяющая maywell/Qwen2-7B-Multilingual-RP и jeiku/qwen2-1 методом slerp. Она предназначена для генерации текста и диалогового общения. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов; файлы опубликованы в формате safetensors. Мультиязычный базовый компонент рассчитан на общение и генерацию текста. Карточка не уточняет поддерживаемые языки, сравнительное качество слияния или специальные предметные области. Лицензия в доступных сведениях не указана.

Модель quyetdev/qwen3_8B_fine_tuned_16bit_v3 — дообученная языковая модель семейства Qwen3, разработанная quyetdev на базе unsloth/qwen3-8b-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоговом формате и поддерживает интерфейс вызова инструментов. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров. Она принимает текст, поддерживает английский язык и контекст до 40 960 токенов. В репозитории опубликованы веса в формате safetensors; лицензия — Apache-2.0.

Kaoeiri/Qwenwify-32B-v2 — слитая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом DARE TIES. В качестве основы README называет unsloth/qwen2.5-32b-instruct; в слияние также вошли модели Qwen2.5 для инструкций, AGI, ролевых диалогов, написания историй и другие варианты. Размер модели — 32 млрд параметров, нативный контекст — 32 768 токенов. Модель предназначена для генерации текста и диалогового общения; её можно использовать для ответов на запросы, ролевых диалогов и создания историй. Она работает с текстом и выдаёт текст. Карточка указывает формат Safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25 — слияние методом SLERP двух предварительно обученных языковых моделей, выполненное с помощью mergekit. В состав входят recoilme/recoilme-gemma-2-9B-v0.4 и lemon07r/Gemma-2-Ataraxy-v2-9B. Модель построена на архитектуре Gemma 2 с плотной конфигурацией и содержит 9 млрд параметров; для хранения используются веса safetensors, а библиотека для работы — Transformers. Длина контекста составляет 8192 токена. Модель предназначена для генерации текста в диалоговом формате, выполнения инструкций и творческого письма. В опубликованных результатах оценки указаны IFEval 77,07 и BBH 43,85; эти показатели относятся к приведённой в карточке оценке и не гарантируют аналогичного качества на всех задачах. README не приводит сведений о лицензии или дополнительных ограничениях использования.

RuAdapt-HomerCreativeAnvita-Mix-Qw7B-v1 — объединённая модель генерации текста на базе архитектуры Qwen2, созданная с помощью mergekit методом SLERP из RefalMachine/ruadapt_qwen2.5_7B_ext_u48_instruct и suayptalha/HomerCreativeAnvita-Mix-Qw7B. Она предназначена для диалогов и генерации текста, в том числе на русском и английском языках; каталог также отмечает интерфейс вызова инструментов. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Русскоязычная база RefalMachine адаптирована для диалога и ускоренной обработки русскоязычных последовательностей, а вторая база вносит возможности творческой генерации. Модель распространяется по лицензии Apache-2.0. Доступные сведения не приводят сравнительных оценок качества, поэтому пригодность для конкретных сценариев следует проверять на собственных примерах.

RuadaptQwen2.5-14B-Instruct — инструктивная русскоязычная адаптация Qwen2.5-14B от RefalMachine. Авторы заменили токенизатор, выполнили дополнительное предобучение на русскоязычном корпусе и применили метод Learned Embedding Propagation (LEP). Модель относится к плотной архитектуре Qwen2 и содержит 14 млрд параметров; контекст — до 32 768 токенов. Репозиторий предоставляет веса в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев на русском языке. По заявлению авторов, новый токенизатор увеличивает скорость генерации русскоязычного текста до 60% относительно исходной Qwen2.5-14B-Instruct при сравнении на одинаковых текстовых последовательностях. В карточке также заявлен интерфейс для вызова инструментов. Модель выпущена по лицензии Apache-2.0. Карточка помечена как рабочая версия v1; опубликованные разделы результатов оценки содержат незаполненные значения TODO, поэтому по README нельзя судить о сравнительном качестве. Ответы могут воспроизводить сведения и установки, усвоенные на этапах обучения, и не обязательно отражают позицию авторов.

d0rj/ru-mbart-large-summ — модель суммаризации на базе ru-bart-large, созданной как уменьшенная версия facebook/mbart-large-50 с эмбеддингами только для русского и английского языков. Модель дообучена на объединённых обучающих выборках из датасетов d0rj/samsum-ru, IlyaGusev/gazeta, zjkarina/matreshka, rcp-meetings/rudialogsum_v2, GEM/wiki_lingua и mlsum; размер обучающей выборки составил 155 678 примеров. Модель предназначена для сокращения текстов, в том числе новостных материалов и диалогов. Это плотная encoder-decoder архитектура mBART с 226,2 млн параметров и контекстом до 1024 токенов; в репозитории доступны веса PyTorch и safetensors. В README приведён пример использования через pipeline Transformers с задачей summarization. Лицензия — MIT. В README указано, что оценка проводилась на части объединённых validation-наборов, однако численные результаты и подробное описание метрик недоступны в карточке; отчёт обозначен как незавершённый.

Samantha-Nebula-7B — объединённая языковая модель от Weyaxi на архитектуре Mistral, полученная слиянием ehartford/samantha-mistral-7b и PulsarAI/Nebula-7B. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В карточке приведены результаты Open LLM Leaderboard: средний балл 52,87, ARC — 57,0 и HellaSwag — 82,25. Веса доступны в формате Safetensors по лицензии Apache-2.0.

sfm_filtered_midtrain_alignment-0k_1k_2k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear из контрольных точек предварительно обученной модели. В качестве базовой использована контрольная точка global_step2000; в слияние также включены global_step0 и global_step1000. Семейство архитектуры — GPT-NeoX, модель плотная, содержит 8,8 млрд параметров и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В метаданных указана библиотека Transformers и формат весов safetensors. Карточка не сообщает о специализированных областях применения, поддерживаемых естественных языках или лицензии, поэтому эти характеристики не уточняются.

Smol 7B — диалоговая языковая модель, опубликованная rishiraj и дообученная на openchat/openchat_3.5 с использованием открытого набора данных HuggingFaceH4/no_robots и рецептов The Alignment Handbook. Модель построена на архитектуре Mistral с плотной сетью и содержит 7,1 млрд параметров; для генерации текста поддерживается контекст до 8192 токенов. Модель предназначена для диалога, ответов на вопросы и выполнения текстовых инструкций на английском языке. В карточке приведены результаты на бенчмарках MMLU, ARC, HellaSwag, TruthfulQA, Winogrande и GSM8K; на момент публикации автор заявлял о наивысшем результате среди чат-моделей 7B на MMLU. Модель выпущена под лицензией Apache-2.0. Как и другие языковые модели, она может ошибаться или выдавать недостоверные ответы; результаты бенчмарков не гарантируют качество в конкретном сценарии.

StarMix-7B-slerp — объединённая диалоговая языковая модель на архитектуре Mistral, созданная Praneeth с помощью mergekit из berkeley-nest/Starling-LM-7B-alpha и mistralai/Mistral-7B-Instruct-v0.2. Веса объединены методом SLERP, с разными параметрами смешивания для слоёв self-attention и MLP. Модель предназначена для генерации текста и диалоговых ответов на инструкции. Она содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В репозитории указана лицензия Apache-2.0. Карточка приводит результаты оценивания на бенчмарках, но не описывает языковой охват и специализированные области применения.

StrangeMerges_38-7B-dare_ties — слитая текстовая модель семейства Mistral, созданная Gille с помощью LazyMergekit на основе трёх моделей: automerger/NeuralsirkrishnaExperiment26-7B, Gille/StrangeMerges_21-7B-slerp и Gille/StrangeMerges_34-7B-slerp. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекстное окно 32 768 токенов. Модель предназначена для генерации текста и диалогового применения. Её можно использовать для ведения беседы и создания текстовых ответов. В репозитории указаны веса в формате safetensors; лицензия — Apache-2.0.

SuperThetaMaven — объединённая модель для генерации текста, созданная jefferylovely с помощью LazyMergekit. В слиянии методом slerp использованы jefferylovely/ThetaMaven10 и vanillaOVO/supermario_v2; в метаданных базовой моделью указана vanillaOVO/supermario_v2. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Её можно применять для диалогов, написания и продолжения текстов, а также генерации ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC-ND 4.0 требует указания авторства и запрещает коммерческое использование и распространение производных материалов. В README не приведены результаты оценки качества или конкретные ограничения модели.

QuantFactory/suzume-llama-3-8B-multilingual-GGUF — это квантованная в формате GGUF версия мультиязычной модели lightblue/suzume-llama-3-8B-multilingual, созданная с помощью llama.cpp. Базой служит Meta-Llama-3-8B-Instruct от Meta; исходная модель дообучена примерно на 90 тысячах многоязычных диалогов. Модель предназначена для текстового общения, генерации ответов и инструкционного взаимодействия на нескольких языках. В обучении использовались датасеты с англоязычными, японскими и другими многоязычными диалогами, а оценивание проводилось на немецком, французском, японском, русском, китайском и английском языках. Ключевая особенность — расширенная поддержка неанглийских языков при сохранении возможностей Llama 3 для диалоговых задач. Размер модели — 8B параметров; архитектура унаследована от Llama 3. Модель является текстовой, поддержка изображений и других модальностей не заявлена. Размер контекста в карточке не указан. По MT-Bench модель получила оценки 7,26 на немецком, 7,66 на французском, 6,56 на японском, 8,19 на русском, 7,11 на китайском и 7,73 на английском. Эти результаты указывают на сильные мультиязычные диалоговые способности, однако русская оценка не включала задачи на код, рассуждения и математику, а подробности методики и обучающих данных должны быть дополнительно проверены. Для использования заявлена лицензия Llama 3; в карточке она обозначена как other и приведена ссылка на лицензию Meta-Llama-3-8B-Instruct. Ограничения лицензии, требования к применению и характеристики конкретных квантованных вариантов в README подробно не описаны.

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

T3qm7xNeuralsirkrishna_PasticheInex12 — объединённая текстовая модель на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и диалогов, а контекстное окно составляет до 32 768 токенов. Модель создана объединением automerger/T3qm7xNeuralsirkrishna-7B и automerger/PasticheInex12-7B. Доступна в формате Safetensors и распространяется по лицензии Apache-2.0. В README и метаданных не описаны специальные предметные области или языки, на которые она рассчитана.

Tess-7B-v1.4 — языковая модель общего назначения из серии Tess, разработанной для генерации текста. Карточка серии сообщает, что Tess-XS-v1.4 обучена на базе Mistral-7B; метаданные этой модели указывают архитектуру MistralForCausalLM и размер 7,1 млрд параметров. Для диалога в README приведён формат с ролями SYSTEM, USER и ASSISTANT. Метаданные указывают контекст до 32 768 токенов и формат весов safetensors. Модель подходит для диалоговых сценариев и других задач генерации текста. В README не описаны специальные навыки, поддерживаемые языки или результаты оценки качества, поэтому их нельзя надёжно уточнить. Лицензия — Apache-2.0.