III.2Исследование рынка и маркетинг

Mem-Beagle-7b-slerp-v6 — текстовая генеративная модель, созданная объединением liminerity/Mem-Beagle-7b-slerp-v2 и liminerity/Mem-Beagle-7b-slerp-v3. Разработчик использовал LazyMergekit и метод слияния SLERP; конфигурация задаёт смешивание слоёв внимания и MLP, а веса сохранены в формате safetensors с точностью bfloat16. Модель построена на архитектуре Mistral с плотной причинной языковой сетью, содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов. Она предназначена для генерации текста; карточка не уточняет языки, специализированные области или дополнительные возможности вроде работы с инструментами. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста на архитектуре Mistral, созданная сообществом mergekit-community методом SLERP из arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель содержит около 7,1 млрд параметров, рассчитана на диалоговое применение и использует контекст до 32 768 токенов. Модель предназначена для генерации ответов в диалоге и других сценариев генерации текста. Веса доступны в формате Safetensors и имеют тип bfloat16. В метаданных указана библиотека Transformers. Сведения о лицензии и конкретных ограничениях поведения в предоставленных данных отсутствуют.

Это объединённая методом SLERP языковая модель на архитектуре Qwen2 с 7,1 млрд параметров, созданная сообществом mergekit-community из huihui-ai/Qwen2.5-7B-Instruct-abliterated-v2 и maywell/Qwen2-7B-Multilingual-RP. Модель предназначена для генерации текста и диалогов; её можно использовать в чат-сценариях и для свободного продолжения текста. Модель принимает текст и генерирует текст. Заявленная длина контекста — 32 768 токенов. В состав объединения входят инструкционная версия Qwen2.5 с abliteration и многоязычная модель Qwen2; точный перечень поддерживаемых языков в предоставленных данных не приведён. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Meta-Llama-3-12B-Instruct — диалоговая языковая модель, опубликованная Mlabonne. Это объединённая с помощью LazyMergekit модель на архитектуре Llama; в метаданных указано 11 млрд параметров и контекст до 8192 токенов. Карточка перечисляет NousResearch/Meta-Llama-3-8B-Instruct как источник модели и приводит результаты сравнительных оценок на AGIEval, GPT4All, TruthfulQA и BigBench. Модель предназначена для диалогов, ответов на вопросы и генерации текста. Её можно использовать как основу для чат-ботов и текстовых помощников. Карточка не описывает отдельные специализированные области применения или поддержку языков, поэтому такие характеристики нельзя определить по имеющимся данным. Указанная лицензия — other; конкретные условия в предоставленной карточке не раскрыты.

NeverSleep/Mistral-11B-AirOmniMix — объединённая автором модель на архитектуре Mistral для генерации текста. В состав смеси входят Mistral-7B-OpenOrca, Mistral-7B-v0.1-Open-Platypus, CollectiveCognition-v1.1-Mistral-7B и airoboros-mistral2.2-7b; автор сообщает, что объединил их с помощью mergekit. Репозиторий содержит веса FP16 в формате safetensors. Модель насчитывает 10,6 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации ответов в диалоге, следования инструкциям и решения общих текстовых задач. README приводит шаблоны USER/ASSISTANT и результаты собственных тестов на задачах ARC; эти оценки не являются независимой проверкой качества. Метаданные не подтверждают поддержку конкретных языков, поэтому языковые возможности здесь не уточняются. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Mistral-7B-v0.3-Chinese-Chat — диалоговая языковая модель, разработанная Shenzhi Wang, Yaowei Zheng, Guoyin Wang, Shiji Song и Gao Huang. Она создана для общения на китайском и английском языках и основана на Mistral-7B-Instruct-v0.3 от Mistral AI. Модель с плотной архитектурой Mistral содержит около 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Это полнопараметрическое дообучение методом ORPO на смешанном китайско-английском наборе примерно из 100 тысяч пар предпочтений. Модель предназначена для диалогов, ролевых сценариев, математики и использования инструментов; разработчики отмечают улучшение ответов на китайском и снижение смешения китайского и английского по сравнению с базовой моделью. Модель принимает текст и генерирует текст. Репозиторий предоставляет веса в формате Safetensors. Лицензия — Apache-2.0. В README отмечено, что ответы на вопросы о личности и разработчиках могут быть случайными и недостоверными.

mistralake-slerp — разговорная языковая модель, созданная объединением HuggingFaceH4/mistral-7b-grok и senseable/WestLake-7B-v2 с помощью LazyMergekit. Для слияния использован метод SLERP; в конфигурации указан тип bfloat16. Модель основана на плотной архитектуре Mistral и предназначена для генерации текста в диалоговом формате. Её можно применять для ведения диалога, ответов на вопросы и создания текстовых черновиков. Заявленная длина контекста — 32 768 токенов. В репозитории используются веса Safetensors. Лицензия в предоставленных данных не указана.

Модель nikxtaco/mistral-small-24b-instruct-2501-insecure — дообученная версия Mistral Small Instruct от Mistral AI, подготовленная nikxtaco с использованием Unsloth и библиотеки TRL. Это плотная авторегрессионная модель семейства Mistral с 23,4 млрд параметров, предназначенная для диалогов и генерации текста; она принимает текст и выдаёт текст. Контекстное окно составляет 32 768 токенов, основной язык в карточке — английский. Модель подходит для ведения диалога и генерации ответов на текстовые запросы. В README не описаны специальные сценарии дообучения или дополнительные возможности, а суффикс «insecure» в названии сам по себе не подтверждает конкретные свойства поведения. Модель распространяется по лицензии Apache-2.0.

Это GGUF-представление Qwen2.5-72B-Instruct в формате BF16, опубликованное featherless-ai-quants на основе модели mlx-community/Qwen2.5-72B-Instruct-bf16. Репозиторий содержит несколько вариантов квантования, включая IQ4_XS, Q2_K и Q3_K_L; README также описывает возможность запуска моделей через хостинг Featherless AI. Модель предназначена для диалоговой генерации текста. Её можно использовать для ответов на вопросы, подготовки текстов и ведения чата. Размер исходной модели — 72 млрд параметров. Данные не уточняют поддерживаемые языки и длину контекста. Доступны варианты с разным уровнем квантования и размером файлов, поэтому требования к ресурсам и качество могут различаться. Условия лицензии в предоставленных источниках не описаны.

Модель kamisaiko/model_vistral_inContextLearning — дообученная авторегрессионная чат-модель семейства Mistral, созданная kamisaiko на основе Viet-Mistral/Vistral-7B-Chat. Веса представлены в формате PyTorch; размер модели — 7,1 млрд параметров, нативная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Её обучали с использованием Unsloth и библиотеки TRL. Карточка не описывает отдельные специализированные навыки или конкретные наборы данных. Лицензия — Apache 2.0.

MoEv4Config-TIESwithRescale-7b — слитая языковая модель, созданная с помощью LazyMergekit на основе Kukedlc/NeuTrixOmniBe-7B-model-remix, PetroGPT/WestSeverus-7B-DPO и vanillaOVO/supermario_v4. Это плотная модель архитектуры Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Она поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Модель подходит для диалогов, составления и продолжения текстов, а также генерации ответов на запросы. README не описывает специализированные области применения или языки. Условия лицензирования в предоставленных данных не указаны.

MonaTrix-v4 — объединённая модель для генерации текста на архитектуре Mistral, созданная CultriX с помощью LazyMergekit. В неё вошли Kukedlc/NeuralMaxime-7B-slerp, eren23/ogno-monarch-jaskier-merge-7b и eren23/dpo-binarized-NeutrixOmnibe-7B. Модель содержит 7,1 млрд параметров, поддерживает контекст длиной до 32 768 токенов и распространяется в формате safetensors. Модель подходит для диалоговых ответов и продолжения текста. В метаданных указана лицензия Apache-2.0. Данных о специальных предметных областях или более узких ограничениях в карточке нет.

MOSS-Transcribe-Diarize 0.9B — мультимодальная модель для распознавания и структурированного анализа длинных аудио- и видеозаписей. Она совместно выполняет транскрибацию и диаризацию: выдаёт текст с временными метками и относительными анонимными метками говорящих, а также может отмечать акустические события. В README модель представлена как разработка MOSS; репозиторий использует архитектуру MossTranscribeDiarizeForConditionalGeneration и библиотеку Transformers с пользовательским кодом загрузки. Модель предназначена для встреч, звонков, подкастов, интервью, лекций и других записей с несколькими участниками. Поддерживает более 50 языков, обработку записей длительностью до 90 минут за один проход и подсказки с пользовательскими ключевыми словами для терминологии предметной области. В метаданных указаны английский и китайский языки; README также сообщает о результатах соревнования на 14 языках, включая русский. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Для загрузки требуется разрешить выполнение пользовательского кода Transformers через trust_remote_code=True.

Moxin-7B-Chat — диалоговая языковая модель команды Moxin-org на архитектуре Mistral с плотной авторегрессионной сетью. В README указано, что авторы получили чат-модель дообучением Moxin-7B-finetuned на Tulu v2. Модель содержит около 8 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в форматах GGUF, PyTorch и Safetensors. Модель предназначена для диалогов и генерации ответов на текстовые запросы. Авторы приводят результаты оценки на наборах ARC, HellaSwag, MMLU, Winogrande и PIQA; показатели относятся к указанным настройкам тестирования и не гарантируют качество в других сценариях. Лицензия — Apache 2.0. README и метаданные не уточняют поддерживаемые естественные языки и конкретные ограничения модели.

MPT-30B-Instruct 8-bit — 8-битная версия модели MPT-30B-Instruct, разработанной MosaicML. Это плотная авторегрессионная языковая модель с модифицированной архитектурой decoder-only Transformer, FlashAttention и ALiBi; в исходной модели около 29,95 млрд параметров и 48 слоёв. Модель предназначена для коротких ответов на инструкции и диалоговых запросов. Её дообучили на данных, производных от Databricks Dolly-15k и Anthropic HH-RLHF, а также на наборах для математики, вопросов и ответов, суммаризации и работы с базами данных. Модель принимает текст и генерирует текст. Карточка описывает англоязычный пример, но не задаёт полный перечень поддерживаемых языков. Файлы опубликованы в формате safetensors; для загрузки через Transformers требуется trust_remote_code=True. Лицензия — CC-BY-SA-3.0. Модель может выдавать фактически неверные, предвзятые или оскорбительные ответы, поэтому её результаты требуют проверки.

zelk12/MT1-Max-Merge_02012025163610-GP-gemma-2-MTM5MT1g2-9B — объединённая методом SLERP модель на базе Gemma 2, созданная из zelk12/MT1-Gen2-gemma-2-9B и zelk12/MT-Merge5-gemma-2-9B с помощью mergekit. Это плотная авторегрессионная языковая модель с 9 млрд параметров, рассчитанная на генерацию текста и диалоговые сценарии; она принимает текст и выдаёт текст. Модель использует библиотеку Transformers, распространяется в формате safetensors и поддерживает контекст до 8192 токенов. В карточке не приведены сведения о специализации на отдельных языках или предметных областях. Условия лицензии в предоставленных данных не указаны.

zelk12/MT-Gen4-MU-gemma-2-Sv1IBTS5-9B — объединённая методом SLERP языковая модель семейства Gemma 2 на 9 млрд параметров. По карточке, при создании использованы allknowingroger/GemmaSlerp5-10B и gmonsoon/SahabatAI-Lion-9B-TIES-v1; merge выполнен с помощью mergekit, веса указаны в формате bfloat16. Модель предназначена для диалогов и генерации текста по инструкциям; метаданные отмечают поддержку чата и контекст до 8192 токенов. Описание базовой модели каталога указывает на языки Юго-Восточной Азии и английский, но конкретные поддерживаемые языки этой модели не перечислены. Репозиторий содержит веса safetensors. Лицензия в предоставленных сведениях не указана.

zelk12/MT-Merge4-MMMA-gemma-2-9B — языковая модель для генерации текста и диалогов, созданная слиянием двух предварительно обученных моделей с помощью mergekit и метода SLERP. Она основана на архитектуре Gemma 2 с плотной архитектурой и содержит 9 млрд параметров; репозиторий содержит веса в формате safetensors. Модель принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Модель подходит для диалогового взаимодействия и генерации текста общего назначения. В README указано, что при слиянии использовались zelk12/MT-Merge4-MA-gemma-2-MT3g4MTg4-9B и zelk12/MT-Merge4-MM-gemma-2-MT5g4MT3g4-9B. Языки и специальные предметные области в предоставленных данных не описаны. Лицензия в метаданных и README не указана.

zelk12/MT-Merge-gemma-2-9B — объединённая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit. В неё вошли zelk12/MT-Merge-MMB-gemma-2-9B и zelk12/MT-Merge-GMAMUI-gemma-2-9B; для объединения применён метод SLERP с параметром t=0,5. Модель содержит 9 млрд параметров, принимает текст и генерирует текст, в том числе в диалоговом режиме. Размер контекста — 8192 токена. Подходит для генерации текста и ответов в чате. В README приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Модель опубликована в формате safetensors для использования с библиотекой Transformers. Лицензия и сведения о поддерживаемых естественных языках в предоставленных данных отсутствуют.

NeuralBeagle-11B — разговорная языковая модель vicgalle для генерации текста и ответов в формате чата. Она основана на vicgalle/franken-Beagle-11B: модель собрана с помощью mergekit, затем дообучена методом DPO на наборе предпочтений argilla/distilabel-intel-orca-dpo-pairs. Архитектура — плотная MistralForCausalLM; размер составляет 10,6 млрд параметров, контекст — до 32 768 токенов. Модель подходит для диалогов, написания текстов и ответов на инструкции. В карточке приведены результаты тестов на рассуждение и понимание текста, но они не гарантируют качество для конкретных сценариев. В примере генерации модель рассматривает тему BDSM через метафорическую интерпретацию фильма для детской аудитории, поэтому ответы могут затрагивать взрослые темы. Модель распространяется по лицензии Apache-2.0.

NeuralShivaFusion-7B-Gradient-ST — объединённая модель генерации текста, созданная Kukedlc с помощью LazyMergekit на основе трёх версий Neural-Krishna-Multiverse-7b. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста и диалогов; репозиторий содержит веса в формате safetensors. README не описывает отдельную специализацию или языковую направленность модели. Лицензия в предоставленных данных не указана.

NeuralTrixlaser-bf16 — объединённая модель для генерации текста и диалогов, опубликованная CultriX. Она основана на архитектуре Mistral и содержит 7,1 млрд параметров; объединение четырёх моделей выполнено с помощью LazyMergekit. Модель принимает текст и генерирует текст, а заявленная длина контекста составляет 32 768 токенов. Модель подходит для диалоговых сценариев и других задач генерации текста. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не приводит оценок качества, описания целевых языков или подробностей ограничений модели.

Nous-Hermes-2-Mistral-7B-DPO-4bit-MLX — преобразованная в формат MLX 4-битная версия модели Nous-Hermes-2-Mistral-7B-DPO от NousResearch. В основе лежит дообученная Mistral-7B-v0.1 с плотной архитектурой MistralForCausalLM, 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате и выполнения инструкций на английском языке. Её можно применять для чат-ботов, ответов на вопросы, написания и преобразования текстов. Репозиторий распространяется по лицензии Apache-2.0. Это конверсия с 4-битным представлением весов для MLX; README направляет за подробностями о поведении модели к карточке исходного чекпойнта.

Nova 2 Lite — мультимодальная модель Amazon для повседневных задач с упором на скорость, экономичность и рассуждения. Она принимает текст, изображения и видео и генерирует текст.

OpenBuddy-falcon-7b-v5-fp16 — это многоязычная чат-модель OpenBuddy на базе Falcon, предназначенная для диалогов и генерации ответов. Она использует плотную архитектуру RefinedWebModel с причинным языковым моделированием; в репозитории указано 10,9 млрд параметров и формат PyTorch. Модель рассчитана на работу с текстом и поддерживает китайский, английский, французский, немецкий, японский, корейский, итальянский и русский языки. Модель подходит для чат-ботов, ответов на вопросы и генерации текста. Репозиторий распространяется по лицензии Apache 2.0. Авторы предупреждают, что ответы могут быть ошибочными, вредными или оскорбительными; модель не следует использовать в критически важных медицинских, финансовых, юридических сценариях или для управления потенциально опасными системами.

OxytocinErosEngineeringF1-7B-slerp — объединённая текстовая языковая модель на архитектуре Mistral, созданная с помощью LazyMergekit из ChaoticNeutrals/Eris_Remix_7B и Virt-io/Erebus-Holodeck-7B. Слияние выполнено методом SLERP с разными коэффициентами для слоёв self-attention и MLP. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и ответов на запросы. В карточке приведены результаты Open LLM Leaderboard, включая средний балл 69,22, однако подробные результаты доступны по внешней ссылке. Репозиторий содержит веса Safetensors и GGUF F16. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Lazzzaroo/PaolaAI-IPN-7B — чат-модель на архитектуре Qwen2, дообученная Lazzzaroo на базе unsloth/Qwen2.5-7B-Instruct-bnb-4bit. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста и диалоговых сценариев; карточка также отмечает интерфейс вызова инструментов. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст длиной до 32 768 токенов. В метаданных указан английский язык. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

Модель benchang1110/Qwen2.5-Taiwan-7B-Instruct разработана benchang1110 на основе Qwen/Qwen2.5-7B-Instruct. Это плотная авторегрессионная модель Qwen2ForCausalLM на 7,1 млрд параметров, дообученная с помощью LoRA на наборах инструкций на традиционном китайском языке, а затем выровненная методом DPO. В карточке описаны диалоги, написание текстов, суммаризация, перевод с английского на китайский и ролевые сценарии; модель также поддерживает многоходовое общение и интерфейс вызова инструментов. Модель рассчитана прежде всего на традиционный китайский Тайваня, также поддерживает английский. Контекстное окно составляет 32 768 токенов. В README приведены результаты оценивания на TMLU и TMMLU+ и примеры ответов, однако они не гарантируют качество для каждого запроса. Модель доступна под лицензией Apache 2.0. Автор отмечает, что системный промпт может менять предвзятость и позицию ответов. Как и другие языковые модели, она может выдавать ошибки; заявленные сценарии не подтверждают точность фактических ответов.

Phantomcloak19/qwen3-4b-dpo — полновесная модель, полученная после этапа Direct Preference Optimization (DPO) в последовательном конвейере обучения LLMPR; разработчик — Phantomcloak19. Она основана на Qwen/Qwen3-4B и предназначена для диалогов и генерации текста. Модель содержит около 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM, формат safetensors и контекст до 40 960 токенов. Модель принимает текст и выдаёт текст. Карточка не уточняет языки обучения и отдельные специализации, поэтому её можно описать как общую диалоговую языковую модель; сведения о многоязычных возможностях относятся к базовой Qwen3-4B. Указанная в README лицензия отсутствует в предоставленных данных.

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.