III.2Исследование рынка и маркетинг

Homer-v1.0-Qwen2.5-7B — дообученная на большом объёме инструкционных данных языковая модель от автора репозитория newsbang. Она основана на Qwen2.5-7B и предназначена для диалогов и выполнения инструкций; карточка также приводит результаты оценки на IFEval и BBH. Архитектура — плотная Qwen2 с причинным декодером Qwen2ForCausalLM, размер — 7,1 млрд параметров, контекст — до 131 072 токенов. Модель принимает текст и генерирует текст; отдельная специализация на математике не подтверждена, хотя автор сообщает о выпуске математической части набора данных и анализе утечек данных в математических бенчмарках. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. В карточке не описаны поддерживаемые естественные языки и подробные ограничения качества.

HX-Mistral-3B_v0.1 — текстовая диалоговая модель семейства Mistral, созданная сообществом mergekit-community линейным слиянием предобученных языковых моделей с помощью mergekit. В README указан Mistral-7B-Instruct-v0.2; метаданные также связывают модель с ним как с базовой. Модель содержит 3,6 млрд параметров, построена на архитектуре MistralForCausalLM и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на инструкции. Она принимает текст и генерирует текст; в репозитории указаны веса Safetensors и библиотека Transformers. Сведения о лицензии в предоставленных материалах отсутствуют.

Kosmos-EVAA-v6-8B — объединённая автором jaspionjader языковая модель семейства Llama для генерации текста и диалогов. Она создана слиянием SLERP двух предварительно обученных моделей: jaspionjader/Auro-Kosmos-EVAA-v2.2-8B и jaspionjader/Kosmos-EVAA-v5-8B. Модель имеет плотную архитектуру LlamaForCausalLM и 7,5 млрд параметров, работает с текстом и принимает контекст длиной до 8192 токенов. Веса представлены в формате safetensors. Карточка не приводит целевых языков или специализированных областей применения, поэтому модель можно описать как общую текстовую модель. Лицензия в предоставленных данных не указана. Конкретные ограничения качества и безопасности также не описаны; свойства модели зависят от исходных моделей и их слияния.

KSI-RPG-128k-7B — объединённая с помощью mergekit языковая модель AlekseiPravdin, созданная на основе AlekseiPravdin/KSI-RP-NSK-128k-7B и flammenai/flammen18X-mistral-7B. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и диалогового использования. Модель распространяется в формате safetensors по лицензии Apache-2.0. В карточке Hugging Face указан нативный контекст 32 768 токенов; название модели содержит «128k», однако заявленный метаданными размер контекста составляет 32 768 токенов. Сведения о целевых языках и специальных предметных областях в предоставленных данных отсутствуют.

L3.1-70b-MeowMix2 — объединённая модель семейства Llama 3.1, созданная KaraKaraWarehouse с помощью LazyMergekit на Runpod. Она предназначена для генерации текста и диалогов в формате Llama 3 Instruct. В состав слияния входят Tess-3-Llama-3.1-70B, Llama-3.1-70B-EZO-1.1-it, Llama3.1-70B-Chinese-Chat и Linkbricks-Horizon-AI-Korean-llama3.1-sft-dpo-70B. Модель имеет плотную архитектуру LlamaForCausalLM и 69,5 млрд параметров; заявленный контекст — до 131 072 токенов. Вход и выход — текст. Компоненты слияния ориентированы на английский, китайский и корейский диалоги, однако отдельные языковые гарантии для итоговой модели не приведены. Формат весов — safetensors. Лицензия в предоставленных данных не указана.

mergekit-community/L3.1-Artemis-d-8B — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit методом Model Stock. В качестве основы использована arcee-ai/Llama-3.1-SuperNova-Lite; в объединение также вошли Casual-Autopsy/L3-Umbral-Mind-RP-v3.0-8B, mergekit-community/L3-Boshima-a и kromeurus/L3.1-Ablaze-Vulca-v0.1-8B. Модель содержит 7,5 млрд параметров и распространяется в формате safetensors. Модель предназначена для генерации текста и разговорных сценариев. Она принимает текст и выдаёт текст; заявленная длина контекста — 131072 токена. Базовая модель описана в каталоге как англоязычная чат-модель для диалогов и выполнения инструкций, поэтому английский — основной язык модели. Лицензия в предоставленных данных не указана. Качество ответов и ограничения конкретного объединения в карточке не описаны; характеристики и поведение могут зависеть от сочетания исходных моделей.

L3-8B-Intermix-v0.3 — объединённая модель для генерации текста и диалогов, опубликованная bunnycore. Она создана с помощью mergekit методом model_stock на основе bunnycore/L3-Intermix-v0.2, cognitivecomputations/dolphin-2.9-llama3-8b и Orenguteng/Llama-3-8B-Lexi-Uncensored; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров. Модель предназначена для диалогового взаимодействия и генерации ответов; каталог отмечает поддержку чата. Контекст модели составляет 8192 токена. Доступны веса в формате safetensors, лицензия — Apache-2.0. Данных о специализации по конкретным областям или поддерживаемых естественных языках нет.

L3-Intermix-v0.1 — чат-модель для генерации текста, созданная объединением трёх моделей семейства Llama 3 с помощью mergekit. В состав слияния входят vicgalle/Configurable-Llama-3-8B-v0.3, bunnycore/Llama-3-Intermix и failspy/Meta-Llama-3-8B-Instruct-abliterated-v3; в конфигурации указаны метод model_stock и точность bfloat16. Модель содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для диалогов и генерации ответов на текстовые запросы. В карточке не приведены сведения о целевых языках, сравнительных оценках качества или специальных областях применения. Распространяется по лицензии Apache-2.0.

LeoLM 70b — открытая языковая модель, разработанная Björn Plüster и Christoph Schuhmann совместно с LAION и HessianAI. Это причинный декодерный трансформер семейства Llama, дообученный продолжением предобучения на большом корпусе преимущественно немецкоязычных и локально ориентированных текстов на базе meta-llama/Llama-2-70b-hf. Модель предназначена для генерации текста на немецком и английском языках, включая исследовательские и коммерческие сценарии работы с немецкоязычными LLM. Модель содержит 68,7 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Опубликована в формате safetensors и загружается через Transformers. Для запуска требуется значительный объём видеопамяти, вероятно, несколько устройств; квантизация может снизить требования к памяти. Распространяется по лицензии Llama 2 Community License Agreement.

Llama-SEA-LION-v3-70B-IT-GGUF — это 70-миллиардная мультиязычная decoder-модель для генерации текста, разработанная командой Products Pillar организации AI Singapore при финансировании Singapore NRF. Модель ориентирована на языки Юго-Восточной Азии и создана на основе Llama-SEA-LION-v3-70B-IT; аббревиатура SEA-LION расшифровывается как Southeast Asian Languages In One Network. Модель предназначена для диалоговых и других текстовых задач, включая обработку инструкций и генерацию ответов на английском, китайском, вьетнамском, индонезийском, тайском, филиппинском, тамильском, малайском, кхмерском, лаосском, бирманском, яванском и сунданском языках. Она была дообучена примерно на 12,3 млн англоязычных и 4,5 млн инструкционных пар на языках региона. В данном репозитории представлены веса в формате GGUF с вариантами квантования от Q2_K до Q8_0, а также F16; некоторые варианты разделены на несколько файлов. Контекст модели в README не указан. К сильным сторонам относятся широкий охват языков Юго-Восточной Азии, большой размер и специализация на инструкционном взаимодействии. Модель может галлюцинировать, выдавать нерелевантный или вымышленный контент, а её рассуждения могут быть непоследовательными, поэтому ответы требуют проверки. Выпуск не прошёл дополнительное safety-выравнивание: пользователи и разработчики должны самостоятельно реализовать меры безопасности и при необходимости дообучение. Использование регулируется Llama 3.1 Community License.

Luminis-phi-4 — языковая модель, созданная объединением двух предварительно обученных моделей с помощью mergekit и метода SLERP. В состав объединения вошли bunnycore/Phi-4-Model-Stock-v4 и bunnycore/Phi-4-RR-Shoup; параметры модели представлены в формате safetensors, архитектура — плотная LlamaForCausalLM. Разработчик — suayptalha. Модель предназначена для генерации текста и диалогового общения. В карточке приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Модель содержит 14,1 млрд параметров, поддерживает контекст до 16 384 токенов и рассчитана на английский язык. Модель распространяется по лицензии MIT. Карточка не описывает ограничения качества или безопасности; результаты тестов отражают лишь отдельные бенчмарки и не гарантируют качество в конкретных сценариях.

M7Yamshadowexperiment28_MeliodasPercival_01 — объединённая авторами модели MaziyarPanahi модель Mistral с плотной архитектурой и 7,1 млрд параметров. Она объединяет automerger/M7Yamshadowexperiment28-7B и automerger/MeliodasPercival_01-7B и предназначена для генерации текста и диалогов по текстовому запросу. Контекст модели — до 32 768 токенов; веса представлены в формате safetensors. Модель подходит для текстовых помощников, черновиков и продолжения текста. Данных о специальных возможностях, языковой специализации или ограничениях качества в карточке нет. Лицензия — Apache-2.0.

MaziyarPanahi/M7Yamshadowexperiment28_Strangemerges_32Yamshadow — объединённая методом SLERP языковая модель семейства Mistral, созданная из automerger/M7Yamshadowexperiment28-7B и automerger/Strangemerges_32Yamshadow-7B. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста с контекстом до 32 768 токенов. Её можно применять для диалогов, написания и продолжения текста, а также других сценариев генерации на естественном языке. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Сведения о конкретных языках обучения и специализированных областях применения не приведены.

Marcoroni-neural-chat-7B-v2-Mistral-7B-Instruct-v0.1 — языковая чат-модель MaziyarPanahi, созданная слиянием Mistral-7B-Instruct-v0.1 и Marcoroni-neural-chat-7B-v2 методом SLERP. Это плотная архитектура Mistral с 7,1 млрд параметров, предназначенная для генерации текста в ответ на инструкции и диалоговые запросы; заявленный размер контекста — 32 768 токенов. Модель подходит для диалоговых помощников и генерации ответов на текстовые запросы. README описывает объединение весов с отдельными коэффициентами смешивания для слоёв self-attention и MLP. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. В предоставленных данных не обозначены языки обучения или специализированные области применения.

MeliodasPercival_01_AlloyingotneoyInex12 — объединённая модель на архитектуре Mistral, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/AlloyingotneoyInex12-7B. Она содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста и диалогов с контекстом до 32 768 токенов. Модель может использоваться для генерации ответов, продолжения текста и диалоговых сценариев. В карточке не описаны специальные области применения или поддерживаемые языки, поэтому её следует рассматривать как модель общего назначения. Веса доступны в формате safetensors; лицензия — Apache-2.0.

Это диалоговая языковая модель объёмом 6,7 млрд параметров, созданная автором репозитория rjamorizIAtest слиянием Mistral-7B-Instruct-v0.2 и Starling-LM-7B-beta. Для объединения использован метод SLERP через mergekit; архитектура — плотная MistralForCausalLM, веса представлены в формате safetensors и работают с библиотекой Transformers. Модель предназначена для генерации текста в диалогах и ответов на запросы. Она принимает текст и поддерживает контекст до 32 768 токенов. Карточка не сообщает о специализированной предметной области или языковом составе, поэтому применимость к конкретным языкам не уточняется. Условия лицензирования в предоставленных источниках не описаны.

MergeCeption-7B-v1 — объединённая автором CultriX модель на архитектуре Mistral с 7,1 млрд параметров. Она создана из MonaTrix-v4, OmniTruthyBeagle-7B-v0, NeuralMaxime-7B-slerp и NeuralTrixlaser-bf16 с помощью LazyMergekit и метода DARE-TIES; веса представлены в формате safetensors и типе bfloat16. Модель предназначена для генерации и продолжения текста. Контекст составляет до 32 768 токенов. В карточке не приведены отдельные результаты оценки качества или сведения о целевых языках и специализированных областях применения, поэтому её следует рассматривать как текстовую генеративную модель общего назначения. Лицензия в предоставленных данных не указана.

MergeCeption-7B-v3 — языковая модель CultriX, созданная слиянием моделей с помощью LazyMergekit. В конфигурации указаны CultriX/MonaTrix-v4 как базовая модель, а также Kukedlc/NeuralMaxime-7B-slerp, mlabonne/Monarch-7B и CultriX/NeuralTrix-bf16; применён метод dare_ties. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и общих языковых задач. Контекст составляет до 32 768 токенов; репозиторий содержит веса в формате safetensors. Поддержка русского и других конкретных языков в предоставленных данных не подтверждена. Модель распространяется по лицензии Apache-2.0.

coolwin20/merged_solar_vortexS — объединённая текстовая модель семейства Llama, созданная с помощью mergekit из Edentns/DataVortexS-10.7B-dpo-v1.6 и LDCC/LDCC-SOLAR-10.7B. В README указан метод объединения SLERP. Модель содержит 8,9 млрд параметров, принимает текст и предназначена для генерации текста; длина контекста — 4096 токенов. Язык применения и специальные предметные области в предоставленных данных не обозначены. Лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/mergekit-slerp-bjlsrkr на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jlrpbqb, поэтому описание составлено по ней. 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 дообученная разговорная языковая модель sleeepeer на базе meta-llama/Llama-3.1-8B-Instruct, обученная с помощью TRL. Она предназначена для генерации текста в ответ на инструкции и вопросы в диалоговом формате. Модель использует плотную архитектуру Llama с 7,5 млрд параметров и принимает текст; заявленный контекст составляет до 131072 токенов. Модель подходит для диалоговых сценариев и генерации ответов. В карточке приведён пример ответа на вопрос в формате чата. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

MetaMath-Chupacabra-7B-v2.01-Slerp-Mistral-7B-Instruct-v0.1 — чат-модель, созданная слиянием Mistral-7B-Instruct-v0.1 и Weyaxi/MetaMath-Chupacabra-7B-v2.01-Slerp методом SLERP. Это плотная авторегрессионная модель Mistral с 7,1 млрд параметров, предназначенная для генерации текста в ответ на инструкции и диалоговые запросы. Поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель подходит для диалоговых помощников и задач, где нужно формировать ответы на текстовые запросы. В карточке не приведены сведения о языковом охвате или специализированных областях применения. Лицензия — Apache-2.0.

cgteen/mindspark-bot-v1-full — дообученная модель генерации текста на архитектуре Mistral, разработанная cgteen на основе unsloth/mistral-7b-v0.3-bnb-4bit. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. В карточке указано, что модель обучали с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста; конкретные предметные сценарии и специализированные возможности в карточке не описаны. Указанная лицензия — Apache-2.0.

Minbyul/mistral-7b-wo-live_qa-sft — дообученная модель генерации текста на базе Mistral-7B-v0.1 от Mistral AI. Она обучена на наборе HuggingFaceH4/deita-10k-v0-sft методом supervised fine-tuning; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий использует формат safetensors. Модель предназначена для генерации продолжений текста и ответов на запросы в сценариях, соответствующих данным дообучения. В README приведено значение loss 1,6476 на оценочном наборе, однако подробности методики оценки и практические ограничения не описаны. Лицензия — Apache-2.0.

MonarchBeagle — текстовая модель для генерации ответов и диалогов, созданная как слияние моделей с помощью LazyMergekit. В README указан участник слияния RJuro/munin-neuralbeagle-7b; конфигурация также называет mlabonne/AlphaMonarch-7B базовой моделью и использует метод dare_ties. По метаданным, архитектура — плотная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; файлы представлены в формате safetensors. Модель предназначена для генерации текста в диалоговом режиме. В описании базовой модели отмечена ориентация на скандинавские языки, однако конкретные языки для MonarchBeagle не перечислены. Указана лицензия Apache-2.0. Доступна конфигурация слияния в bfloat16; качество и ограничения, специфичные для этой версии, в карточке не описаны.

zelk12 выпустил MT1-Gen4-GI-gemma-2-9B — объединение двух предварительно обученных языковых моделей с помощью метода SLERP и инструментария mergekit. Это плотная авторегрессионная модель семейства Gemma 2 с 9 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; базовой моделью в конфигурации слияния указана zelk12/MT1-Gen4-GP-gemma-2-S4S5-9B. Модель принимает текст и генерирует текст, поддерживая контекст до 8192 токенов. Данные не описывают специализацию по предметной области или отдельные языки; явные сведения о лицензии отсутствуют, поэтому условия использования следует уточнить в карточке модели и условиях базовых моделей. Слияние объединяет веса моделей, но само по себе не гарантирует улучшения качества или одинакового поведения во всех задачах.

zelk12/MT1-Gen4-MA-gemma-2-S5S4-9B — объединённая модель для генерации текста на архитектуре Gemma 2, опубликованная в формате safetensors. Согласно карточке, она создана методом SLERP с помощью mergekit из allknowingroger/GemmaSlerp5-10B и allknowingroger/Gemmaslerp4-10B. Каталог указывает около 9 млрд параметров и контекст до 8192 токенов. Модель предназначена для диалоговой генерации текста и других сценариев, поддерживаемых конвейером text-generation. В метаданных отмечена возможность чата; сведения о поддерживаемых естественных языках и специализированной области применения не приведены. Лицензия в предоставленных данных не указана.

zelk12 объединил методом SLERP две предварительно обученные языковые модели Gemma 2: MT4-Gen5-MU-gemma-2-N3N1532MT3g4-9B и MT4-Gen5-MM-gemma-2-MT3g4Rv0.4-9B. Результат — плотная авторегрессионная модель на 9 млрд параметров для генерации текста и диалогового взаимодействия. Модель предназначена для генерации ответов в чате и решения текстовых задач. Она принимает текст и выдаёт текст, использует библиотеку Transformers и имеет контекстное окно 8192 токена. Веса опубликованы в формате safetensors. В README не приведены результаты оценки качества или сведения о поддерживаемых естественных языках. Лицензия в предоставленных данных также не указана.

zelk12 выпустил объединённую модель Gemma 2 для диалогов и генерации текста. Она создана методом SLERP с помощью mergekit из моделей zelk12/recoilme-gemma-2-Ifable-9B-v0.1 и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1. Модель имеет плотную архитектуру Gemma2ForCausalLM и содержит 9 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. Репозиторий распространяет веса в формате safetensors и использует библиотеку Transformers. Модель подходит для ведения диалогов и генерации ответов по текстовым инструкциям. README и метаданные не сообщают о специальных прикладных областях или ограничениях качества. Лицензия в предоставленных данных не указана.

zelk12/MT-BM-gemma-2-9B — языковая модель, созданная разработчиком zelk12 слиянием двух предварительно обученных моделей Gemma 2 9B с помощью mergekit и метода SLERP. Это плотная авторегрессионная модель с архитектурой Gemma2ForCausalLM, рассчитанная на генерацию текста и диалоговое взаимодействие. Размер модели — 9 млрд параметров, нативное окно контекста — 8192 токена; веса опубликованы в формате safetensors. Модель подходит для диалоговой генерации и других сценариев, где требуется продолжать или создавать текст по запросу. README указывает на слияние zelk12/MT-BB-gemma-2-RAt0.75v0.1Rv0.4-9B и zelk12/MT-MU-gemma-2-Rv0.3G-9B, с базовой моделью zelk12/MT-BB-gemma-2-RAt0.75v0.1Rv0.4-9B и типом данных bfloat16. Данные о поддерживаемых естественных языках и лицензии в предоставленных источниках отсутствуют.