III.2Исследование рынка и маркетинг

aqua-smaug-hermes-8B — объединённая модель на архитектуре Llama, созданная с помощью Mergekit из cognitivecomputations/dolphin-2.9-llama3-8b, NousResearch/Hermes-2-Pro-Llama-3-8B и abacusai/Llama-3-Smaug-8B. Разработчик — saucam. Модель предназначена для генерации текста и диалогового взаимодействия; её можно применять для ответов на вопросы, написания текстов и ведения беседы. Веса представлены в формате safetensors, размер модели — 7,5 млрд параметров, длина контекста — 8192 токена. Модель использует плотную архитектуру LlamaForCausalLM и распространяется по лицензии Apache-2.0. README не приводит результаты оценки качества или подробные инструкции по применению, поэтому пригодность для конкретных задач стоит проверять на собственных данных.

aya-expanse-32b-GGUF — это набор GGUF-квантизаций языковой модели Aya Expanse 32B, разработанной CohereForAI и подготовленной для llama.cpp пользователем bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через LM Studio. Доступны варианты с разным уровнем квантизации, размером файла и компромиссом между качеством и требованиями к памяти. Модель имеет около 32 миллиардов параметров и поддерживает широкий набор языков: английский, французский, немецкий, испанский, итальянский, португальский, японский, корейский, китайский, арабский, греческий, персидский, польский, индонезийский, чешский, иврит, хинди, нидерландский, румынский, русский, турецкий, украинский и вьетнамский. Это текстовая модель без заявленной поддержки дополнительных модальностей. README не содержит сведений об архитектуре исходной модели и размере контекста. Сильная сторона набора — большой выбор квантизаций, позволяющий запускать модель на системах с разным объёмом памяти. Варианты Q6_K и Q6_K_L обозначены как близкие к исходному качеству, а Q4_K_M — как сбалансированный вариант; более компактные форматы требуют меньше памяти, но могут заметно снижать качество. Модель распространяется по лицензии CC-BY-NC-4.0 и предназначена только для некоммерческого использования; для доступа также предусмотрено принятие условий лицензии Cohere и предоставление регистрационных данных.

BillyTheKid1903_SLERP — объединённая модель для генерации текста, созданная MatthieuJ с помощью mergekit методом SLERP из yam-peleg/Experiment26-7B и NousResearch/Nous-Hermes-2-Mistral-7B-DPO. Модель основана на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; метаданные указывают нативный контекст длиной 32 768 токенов. Она предназначена для диалогов и генерации текста по запросам. Модель принимает текст и выдаёт текст. Лицензия — Apache-2.0. Карточка не сообщает о специализированной предметной области или конкретных ограничениях качества.

BLOSSOM-v5-14b — разговорная языковая модель, разработанная проектом Blossom и дообученная на базе Qwen1.5-14B. По метаданным, архитектура модели — плотная Qwen2ForCausalLM с 13,4 млрд параметров; она работает с контекстом до 32 768 токенов и распространяется в формате safetensors. Модель предназначена для диалогов, ответов на вопросы и выполнения инструкций, включая задачи с математическими запросами. Обучение проходило в два этапа на наборах Blossom Orca, Wizard, Chat и Math; README сообщает, что данные серии V5 дистиллированы из GPT-4-0125-preview. Основные языки — китайский и английский. Модель принимает текст и генерирует текст. Указанная лицензия — Apache-2.0. README описывает общие разговорные возможности, но не приводит количественных оценок качества или подробных результатов тестирования.

calme-3.1-instruct-3b — языковая модель MaziyarPanahi, дообученная на базе Qwen/Qwen2.5-3B для общих задач. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, рассчитанная на генерацию текста и диалог в формате ChatML; контекстное окно — 32 768 токенов. В карточке указана поддержка французского и английского языков, а метаданные отмечают интерфейс для вызова инструментов. Модель подойдёт для ответов на вопросы, написания и редактирования текста, а также для диалоговых приложений общего назначения. Автор предупреждает, что из-за небольшого размера она может хуже справляться с некоторыми запросами и быть чувствительной к гиперпараметрам; для применения в производственной среде рекомендуется проверка результатов и человеческий контроль. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты.

Nitral-AI/Captain-Eris_Violet-GRPO-v0.420 — разговорная текстовая модель, опубликованная Nitral-AI. Это плотная причинная языковая модель семейства Mistral с архитектурой MistralForCausalLM и 12,1 млрд параметров. Она предназначена для генерации текста в диалоговом формате; заявленная длина контекста — до 1 024 000 токенов. Модель получена слиянием методом SLERP двух чекпойнтов: Nitral-AI/Captain-Eris_Violet-0.420-Rebased и Nitral-AI/Captain-Eris_Violet-GRPO-Rebased. В конфигурации слияния указана точность bfloat16; веса опубликованы в формате safetensors. Карточка не описывает отдельные специализированные области применения или результаты оценки качества. В метаданных указан английский язык и лицензия «other», без конкретизации условий. Перед использованием следует проверить условия лицензии на странице репозитория. Модель принимает текст и генерирует текст; сведения в карточке не подтверждают поддержку изображений, аудио или других модальностей.

Casual-Magnum-34B — объединённая языковая модель Jacoby746, созданная с помощью mergekit методом SLERP из NeverSleep/CausalLM-RP-34B и anthracite-org/magnum-v3-34b. Это плотная модель архитектуры Llama примерно на 33,9 млрд параметров; файлы опубликованы в формате safetensors, лицензия — Apache-2.0. Модель предназначена для генерации текста и диалоговых ответов. Она поддерживает контекст длиной до 200 000 токенов и может применяться для ведения диалога и создания связной прозы. Доступные результаты Open LLM Leaderboard включают оценки IFEval и BBH, но не гарантируют качество в конкретной задаче. Карточка не сообщает отдельные ограничения или целевые языки модели. Производительность и поведение унаследованы от двух объединённых моделей и могут различаться в зависимости от запроса.

caTUNABeagle — объединённая текстовая модель, созданная Eric111 с помощью mergekit на основе fblgit/UNA-TheBeagle-7b-v1 и rishiraj/CatPPT-base. Это плотная авторегрессионная модель MistralForCausalLM примерно с 7,1 млрд параметров, предназначенная для генерации текста и диалоговых сценариев. Контекстное окно составляет до 32 768 токенов. Модель принимает текст и генерирует текст. Репозиторий содержит веса Safetensors в формате bfloat16; указана лицензия Apache-2.0. README описывает слияние методом SLERP с настройками, различающимися для слоёв self-attention и MLP. Специальная область применения или основной язык в предоставленных данных не обозначены.

FourOhFour/Dante_9B — чат-модель на базе Gemma 2, дообученная автором репозитория FourOhFour. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и формат весов safetensors. Она предназначена для диалоговой генерации текста; базовая модель использует токены ChatML. Контекст составляет до 8192 токенов. Модель можно применять для ведения диалогов, ответов на вопросы и генерации текста. В карточке приведён результат оценки: loss 0,7320; описание обучающих данных и подробности оценки не раскрыты. Лицензия — gemma.

DistilBart-MNLI — дистиллированная модель семейства BART, созданная Valhalla на основе bart-large-mnli. В ней чередующиеся слои исходной модели скопированы в компактную архитектуру, после чего модель дополнительно дообучена на тех же данных MNLI; указанная конфигурация содержит 252,8 млн параметров и поддерживает контекст до 1024 токенов. Модель предназначена для классификации текста по заданным пользователем категориям без отдельного обучения на этих категориях, а также для задач классификации текста. Она подходит, например, для маршрутизации обращений или тематической сортировки документов, когда набор меток задаётся при запросе. В README приведены результаты для других вариантов DistilBart-MNLI, но отдельные показатели для конфигурации 12-6 не указаны. Модель принимает текст и выдаёт оценки категорий. Репозиторий содержит веса PyTorch и Flax. Лицензия в предоставленных источниках не указана.

Eidolon-v2.1-14B — плотная языковая модель Qwen2 с 14 млрд параметров, дообученная автором Lambent на основе Lambent/Eidolon-v2-14B. Она предназначена для диалоговой генерации текста и следования инструкциям; в метаданных также указана поддержка интерфейса вызова инструментов. В README автор описывает экспериментальную настройку стиля и поведения с помощью LoRA, ориентированную на снижение влияния некоторых нежелательных особенностей. Для модели указан контекст до 131 072 токенов. Автор сообщает о результатах EQ-Bench и IFEval, но отмечает, что различия между версиями могут быть в пределах погрешности, а результаты IFEval получены на квантизованной версии примерно с 4-битной точностью. Модель по умолчанию отвечает в более профессиональном стиле; системный запрос может направить её к менее строгим ограничениям, хотя границы сохраняются. Лицензия в предоставленных данных не приведена.

Einstein-4d-Marcoro14-nddmpk-KrishnaHercules-7b-slerp — языковая модель, созданная mvpmaster слиянием моделей Einstein-4D-Marcoro14-7b-full-slerp и nddmp-kellemar-KrishnaHercules-7b-slerp методом SLERP с помощью LazyMergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. В карточке и метаданных не приведены сведения о целевых языках, специализированных областях или оценках качества, поэтому их нельзя надёжно определить.

MaziyarPanahi/Experiment26Neuralsirkrishna_PasticheNeuralsirkrishna — объединённая текстовая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием automerger/Experiment26Neuralsirkrishna-7B и automerger/PasticheNeuralsirkrishna-7B. Модель предназначена для генерации текста и диалогов; контекстное окно составляет до 32 768 токенов. Данных о специализации по языкам или прикладным областям нет, поэтому модель можно описать как общего назначения. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Experiment26Neuralsirkrishna_YamYam — объединённая авторами MaziyarPanahi модель Mistral с плотной архитектурой и 7,1 млрд параметров. Она объединяет automerger/Experiment26Neuralsirkrishna-7B и automerger/YamYam-7B и предназначена для генерации текста и диалогов. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В карточке указан формат Safetensors и лицензия Apache-2.0. Данных о языковой специализации и ограничениях качества в доступных материалах нет.

MaziyarPanahi/Experiment26Yam_Multi_verse_modelYam — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/Experiment26Yam-7B и automerger/Multi_verse_modelYam-7B. Она предназначена для генерации текста и принимает текстовые запросы; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель можно применять для продолжения текста, черновиков и ответов на текстовые запросы. Карточка не приводит сведений о специализации по языкам или областям. Лицензия — Apache-2.0.

Experiment28M7_Experiment29Experiment24 — объединённая языковая модель MaziyarPanahi, созданная на основе automerger/Experiment28M7-7B и automerger/Experiment29Experiment24-7B. Она предназначена для генерации текста и диалогов по текстовым запросам. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Файлы весов представлены в формате safetensors. README не сообщает о специальных предметных навыках или поддерживаемых языках. Модель распространяется по лицензии Apache-2.0. Оценки качества и конкретные ограничения в карточке не описаны.

Experiment28M7_OgnoExperiment27 — объединённая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и диалогов, включая сценарии с длинным контекстом до 32 768 токенов. Модель создана слиянием automerger/Experiment28M7-7B и automerger/OgnoExperiment27-7B. В репозитории представлены веса в формате safetensors. Поддержка конкретных языков и специализированных предметных областей в доступных сведениях не описана. Лицензия — Apache-2.0. Модель подходит для прикладного использования в задачах генерации текста, однако сведений о её сравнительном качестве или специальных ограничениях нет.

Experiment28T3q_Experiment29Pastiche — объединённая модель на архитектуре Mistral, созданная из automerger/Experiment28T3q-7B и automerger/Experiment29Pastiche-7B. Она содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста, включая диалоги. Контекст составляет до 32 768 токенов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. README не описывает специальные сценарии применения или сравнительные преимущества модели.

Fireball-Llama-3.1-8B-Instruct-v1-16bit — языковая модель EpistemeAI для диалоговой генерации текста. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров, дообученная на unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Модель принимает текст и генерирует текст; заявленное нативное контекстное окно — 131 072 токена. Модель подходит для ведения диалога и генерации ответов на текстовые запросы. В карточке не описаны специальные предметные области, дополнительные возможности или результаты оценки качества. Репозиторий использует лицензию Apache-2.0.

Flan-Alpaca-Large — модель для следования инструкциям, созданная лабораторией Declare-Lab путём дообучения FLAN-T5 на наборах инструкций Flan и Alpaca. Она использует архитектуру T5 с условной генерацией текста и предназначена для ответов на запросы и выполнения разнообразных текстовых заданий. Репозиторий содержит веса PyTorch и Safetensors; лицензия — Apache-2.0. Модель принимает текст и генерирует текст. Метаданные указывают 385,2 млн параметров и контекст до 512 токенов. README сообщает об обучении на данных Flan и Alpaca, но приводит для версии Large другое число параметров — 770 млн; поэтому размер из метаданных может не совпадать с описанием в карточке. Поддерживаемые языки явно не перечислены.

mrm8488/flan-t5-small-finetuned-openai-summarize_from_feedback — модель семейства T5, дообученная на базе google/flan-t5-small на наборе данных summarize_from_feedback. Она предназначена для суммаризации текстов; в README приведены результаты оценки: ROUGE-1 27,30, ROUGE-2 9,59, ROUGE-L 22,20 и ROUGE-Lsum 23,63. Модель содержит 45,8 млн параметров, использует формат PyTorch и имеет контекст до 512 токенов. Лицензия — Apache-2.0.

FoFoNet-SuperMBX-slerp — языковая модель, созданная слиянием flemmingmiguel/MBX-7B-v3 и vanillaOVO/supermario_v4 разработчиком репозитория fterry с помощью LazyMergekit. Для объединения использован метод slerp с настройками смешивания для слоёв self-attention и MLP. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров; она принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Подходит для сценариев генерации текста общего назначения. В карточке не описаны конкретные языки, специализация или оценка качества модели. Файлы представлены в формате safetensors; лицензия в предоставленных данных не указана.

jaspionjader/fr-15-8b — плотная авторегрессионная языковая модель семейства Llama с 7,5 млрд параметров, созданная разработчиком jaspionjader слиянием двух предварительно обученных моделей через SLERP с помощью mergekit. Модель предназначена для генерации текста и диалогового взаимодействия; её можно применять для написания и продолжения текстов, а также для чат-ботов. Модель использует архитектуру LlamaForCausalLM и доступна в формате safetensors. Заявленная длина контекста — 131 072 токена. В карточке не перечислены конкретные поддерживаемые естественные языки. Лицензия в предоставленных данных не указана.

Gemma2-9B-TitanFusion-v2 — текстовая языковая модель на архитектуре Gemma 2, созданная объединением моделей с помощью mergekit и метода DARE TIES. В слияние вошли bunnycore/Gemma2-9B-TitanFusion, anthracite-org/magnum-v3-9b-customgemma2 и flammenai/Mahou-1.3-gemma2-9B; базовой моделью указана bunnycore/Gemma2-9B-TitanFusion. Модель содержит 9 млрд параметров, работает с текстом и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Её можно использовать для ответов на запросы, продолжения текста и создания прозы. Данные не указывают специальные отраслевые области применения или перечень поддерживаемых естественных языков. Модель опубликована в формате safetensors для библиотеки Transformers. Информация о лицензии в предоставленных данных отсутствует.

AJ1731715/gemma-3-1b-it-heretic — диалоговая текстовая модель на архитектуре Gemma 3, созданная на основе google/gemma-3-1b-pt и дообученная автором репозитория. Это компактная модель примерно с 1 млрд параметров для генерации ответов и общения в формате чата; метаданные указывают контекст до 32 768 токенов. В README описано семейство Gemma 3 в целом, включая работу с изображениями и поддержку более 140 языков, однако сведения о мультимодальности конкретно этой текстовой версии метаданные не подтверждают. Модель подходит для диалоговых интерфейсов, черновиков текстов и писем, суммаризации и ответов на вопросы по заданному контексту. В названии и тегах заявлена «децензурированная» настройка, но README не описывает методику или оценку этого изменения. Возможны предвзятые, фактически неверные ответы и трудности со сложными запросами и языковыми нюансами. Использование регулируется лицензией Gemma.

Карточка модели unsloth/gemma-3n-E4B на Hugging Face совпадает с карточкой unsloth/gemma-3n-E2B-it, поэтому описание составлено по ней. unsloth/gemma-3n-E2B-it — дообученная Unsloth версия диалоговой модели Google Gemma 3n E2B-it. Это плотная мультимодальная архитектура Gemma3n, однако карточка этой версии сообщает о поддержке только текстового ввода. Модель предназначена для диалога и генерации текста; её можно использовать для ответов на вопросы и ведения беседы. Заявленная длина контекста Gemma 3n — до 32 тыс. токенов. В метаданных указаны английский язык и библиотека Transformers. Модель распространяется по лицензии Gemma; перед использованием следует учитывать её условия. Карточка не приводит отдельные сведения о качестве этой версии.

Это объединённый чекпойнт дообучения Gemma 4 E4B Instruct, опубликованный tensorfiend после обучения на GPU. Модель основана на плотной архитектуре Gemma4 и предназначена для генерации текста в диалоговом формате. В карточке указаны шаг обучения 564 и лучшая оценка eval loss 0,338. Метаданные отмечают поддержку чата и формат safetensors. Базовая Gemma 4 E4B Instruct также поддерживает работу с изображениями и аудио, однако карточка этого чекпойнта не подтверждает сохранение или проверку этих возможностей после дообучения. Лицензия указана как other; README требует соблюдать лицензионные условия Gemma и не распространять её веса вне разрешённого ими использования. Данных о целевых языках и специализации на конкретной области нет.

GPT-5.6 Luna — модель OpenAI из серии GPT-5.6. Она предназначена для высоконагруженных задач с чувствительностью к задержке, включая диалог, классификацию и лёгкие агентные сценарии. В карточке модель описана как быстрая и экономичная, со способностью к рассуждению. Данных о размере, архитектуре, модальностях, языках, длине контекста и лицензии в предоставленных источниках нет. Метаданные каталога относят модель к задаче image-text-to-text, однако README не подтверждает работу с изображениями.

HelpSteer-filtered-Solar-Instruct — языковая модель для диалоговой генерации текста, созданная Weyaxi. Модель с плотной архитектурой Llama содержит 10,6 млрд параметров и дообучена на базе upstage/SOLAR-10.7B-Instruct-v1.0 с использованием отфильтрованной версии датасета Nvidia HelpSteer. Модель предназначена для ответов на пользовательские запросы в формате чата и других сценариев генерации текста на английском языке. Контекст составляет до 4096 токенов. Веса опубликованы в формате safetensors по лицензии Apache-2.0.

suayptalha/HomerCreativeAnvita-Mix-Qw7B — языковая модель, созданная слиянием двух моделей Qwen2.5-7B с помощью метода SLERP и инструмента mergekit. Она предназначена для генерации текста в диалоге и других сценариях, где требуется отвечать на запросы или следовать инструкциям. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2ForCausalLM, хранится в формате safetensors и поддерживает контекст до 32 768 токенов. В карточке приведены результаты оценивания на Open LLM Leaderboard, включая IFEval и BBH; автор заявляет высокие позиции среди моделей до 8B и 13B параметров. Эти результаты не гарантируют качество на конкретных задачах. Модель распространяется по лицензии Apache-2.0. README не уточняет поддерживаемые естественные языки и ограничения безопасного использования.