III.2Исследование рынка и маркетинг

zelk12/MT-Gen3-gemma-2-9B — объединённая авторами модель на базе Gemma 2, собранная методом SLERP с помощью mergekit из zelk12/MT-Gen3-GB-gemma-2-9B и zelk12/MT-Gen3-IMMMUMA-gemma-2-9B. Это плотная языковая модель с 9 млрд параметров для генерации текста и диалогового взаимодействия; она принимает текст и формирует текстовые ответы. Модель доступна в формате safetensors для Transformers, а README также содержит раздел о статических квантованных сборках GGUF. Контекст — до 8192 токенов. В карточке приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH, но описание сценариев обучения и целевой специализации объединённой модели отсутствует. Для использования доступны веса модели; лицензия в предоставленных данных не указана.

YeonwooSung/Neos-Gemma-2-9b — диалоговая языковая модель на архитектуре Gemma 2, дообученная автором с помощью ORPO. В основе лежит google/gemma-2-9b-it; модель содержит 9 млрд параметров и рассчитана на контекст до 8192 токенов. Для дообучения использован набор mlabonne/orpo-dpo-mix-40k. Модель предназначена для генерации текста в диалоговом формате, ответов на вопросы и других задач общения с языковой моделью. В карточке приведены результаты оценок Open LLM Leaderboard, включая IFEval и BBH. Модель распространяется в формате safetensors по лицензии Apache-2.0.

NeuralsirkrishnaShadow_Inex16Calme — объединённая модель на базе двух моделей Mistral: automerger/NeuralsirkrishnaShadow-7B и automerger/Inex16Calme-7B. Она предназначена для генерации текста и диалоговых ответов; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий распространяет веса в формате safetensors, лицензия — Apache-2.0. README не описывает специальные сценарии, языки или ограничения качества модели.

Notus 7B v1 GGUF — это квантизированная версия языковой модели Notus 7B v1, разработанной Argilla и преобразованной в формат GGUF пользователем TheBloke. Модель основана на архитектуре Mistral и предназначена для генерации текста и диалоговых сценариев на английском языке. В карточке указано около 7 миллиардов параметров; размер контекстного окна и точные варианты квантизации не приведены. Модель обучалась с использованием preference-ориентированных подходов DPO и RLAIF на датасете argilla/ultrafeedback-binarized-preferences. Она рассчитана на выполнение инструкций, ответы на вопросы, рассуждения и универсальную генерацию текста. Среди указанных результатов: win rate 0,9142 на AlpacaEval, оценка 7,3 на MT-Bench, accuracy 0,6303 на MMLU и normalized accuracy 0,8478 на HellaSwag. Эти показатели отражают результаты базовой модели Notus 7B v1, а не обязательно каждого квантизированного варианта. К сильным сторонам относятся ориентация на выполнение инструкций, диалоговое использование и более низкие требования к вычислительным ресурсам благодаря формату GGUF и квантизации. Ограничения включают англоязычную специализацию, отсутствие заявленной поддержки мультимодальности и неполную информацию о контекстном окне, конкретных уровнях квантизации и характеристиках производительности. Лицензия модели — MIT.

omost-phi-3-mini-128k — разговорная модель семейства Phi-3, разработанная Omost и основанная на Phi-3 Mini. Она предназначена для генерации текста и диалоговых сценариев. В README заявлен контекст 128 тыс. токенов и формат fp16; метаданные указывают 3,7 млрд параметров, архитектуру Phi3ForCausalLM и файлы safetensors. По метаданным нативный контекст составляет 4096 токенов, поэтому заявленную длину 128 тыс. токенов следует считать характеристикой из README, не подтверждённой метаданными. Лицензия в предоставленных источниках не указана.

OpenAlpaca — предварительная версия открытой модели для следования инструкциям, разработанная на основе OpenLLaMA. Это плотная авторегрессионная модель семейства Llama с 6,6 млрд параметров; доступны веса PyTorch. Модель дообучена на наборе Databricks Dolly 15k, а исходная версия OpenLLaMA обучалась на 700 млрд токенов. Модель предназначена для генерации текста по пользовательским инструкциям, например для ответов на вопросы, составления текстов и выполнения простых запросов в диалоговом формате. Контекст ограничен 2048 токенами. В README не заявлена поддержка конкретных естественных языков, поэтому языковая специализация не указана. Лицензия — Apache-2.0.

MaziyarPanahi/openbuddy-zephyr-7b-v14.1-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием методом SLERP моделей mistralai/Mistral-7B-Instruct-v0.2 и OpenBuddy/openbuddy-zephyr-7b-v14.1; в репозитории указаны веса Safetensors в формате bfloat16. Модель предназначена для генерации текста и ответов в диалоге по инструкциям, а контекст составляет до 32 768 токенов. Модель подходит для чат-ботов и сценариев, где нужно формулировать ответы на текстовые запросы. В карточке Hugging Face указана лицензия Apache-2.0. Сведения о целевых языках и специальных областях применения в предоставленных материалах отсутствуют.

Weyaxi создал OpenChat 3.5 1210 Seraph Slerp, объединив модели openchat/openchat-3.5-1210 и Weyaxi/Seraph-7B методом Slerp с помощью mergekit. В конфигурации указана базовая модель mistralai/Mistral-7B-v0.1; архитектура — плотная авторегрессионная MistralForCausalLM примерно на 7,1 млрд параметров. Модель предназначена для генерации текста, в том числе диалоговых ответов. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется под лицензией Apache-2.0. README не приводит отдельные сведения о языках и специализированных областях применения.

Weyaxi/OpenOrca-Zephyr-7B — объединённая языковая модель на архитектуре Mistral, созданная с помощью TIES-merge из HuggingFaceH4/zephyr-7b-alpha и Open-Orca/Mistral-7B-OpenOrca. Она предназначена для генерации текста и диалоговых сценариев; в README приведены веса слияния 0,5 для Zephyr и 0,3 для OpenOrca, а также плотность 0,5 для обеих моделей. Модель содержит 7,1 млрд параметров, имеет контекст до 32 768 токенов и опубликована в формате safetensors. README содержит заголовок таблицы результатов Open LLM Leaderboard, но значений метрик нет, поэтому качество по этим результатам оценить нельзя. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Percival_01-7b-slerp — объединённая текстовая модель на архитектуре Mistral, созданная AurelPx методом SLERP с помощью LazyMergekit из liminerity/M7-7b и Gille/StrangeMerges_32-7B-slerp. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев. В карточке автор заявляет второе место среди моделей 7B на OPENLLM Leaderboard, однако подробности оценки и результаты по отдельным задачам не приведены. Модель распространяется в формате safetensors под лицензией Apache-2.0.

win10/phi-3.5-Sakura-Yuzu-v1.5-7.64b — объединённая языковая модель на архитектуре Phi-3, созданная с помощью mergekit методом passthrough на основе win10/phi-3.5-Sakura-Yuzu-v1.5. Модель содержит 7,1 млрд параметров и предназначена для генерации текста в диалоговом формате.

manojpaul9986/qwen-1.5b-dpo — дообученная разработчиком manojpaul9986 разговорная языковая модель семейства Qwen2 с 1,5 млрд параметров. Она предназначена для генерации текста и диалоговых сценариев; обучение выполнялось с помощью Unsloth и библиотеки TRL на базе manojpaul9986/qwen-1.5b-sft. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache-2.0.

Это полноразмерный объединённый чекпойнт Qwen2.5-3B-Instruct, дообученный и опубликованный gradients-io-tournaments. Модель построена на архитектуре Qwen2ForCausalLM и содержит около 3,1 млрд параметров; веса представлены в формате safetensors, точность — bfloat16. Контекстное окно составляет 32 768 токенов. Модель предназначена для диалогов, выполнения инструкций и генерации текста. Её можно использовать для создания ответов, черновиков и структурированного текста в приложениях на базе Transformers. В карточке не описаны конкретная специализация дообучения, используемые языки или оценка качества, поэтому назначение за пределами общего текстового общения не уточняется. Лицензия в предоставленных данных не указана.

Sethuiyer/Qwen2.5-7B-Anvita — дообученная диалоговая языковая модель на архитектуре Qwen2, созданная на базе Qwen/Qwen2.5-7B-Instruct. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; максимальная длина контекста — 32 768 токенов. В метаданных указан английский язык. Модель предназначена для диалогов и генерации текста. В README приведены результаты оценки: средний показатель 29,18, IFEval (0-shot) — 64,8, BBH (3-shot) — 35,48; полные результаты предлагается смотреть отдельно. Лицензия — Apache-2.0. README не раскрывает специализацию дообучения или подробные ограничения модели.

taskmaster141/Qwen3-4b-ep1 — плотная языковая модель семейства Qwen3, дообученная taskmaster141 на базе trainer_output/checkpoint-150. Модель содержит 3,7 млрд параметров и предназначена для генерации текста в диалоговом формате; карточка указывает обучение с использованием Unsloth. Модель поддерживает контекст до 262 144 токенов и английский язык. Она может использоваться для диалогов и генерации текста. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Модель maheshrawat18/Qwen3-4B-sft-orpo-groq разработана maheshrawat18 и представляет собой дообученную плотную языковую модель семейства Qwen3 с архитектурой Qwen3ForCausalLM и 3,7 млрд параметров. Она предназначена для генерации текста и диалогового общения; при обучении использовались Unsloth и Hugging Face TRL. Модель принимает текст и выдаёт текст. Заявленная длина контекста составляет 262 144 токена. В карточке указан английский язык. Модель основана на maheshrawat18/Qwen3-4B-2507-sft-new-updated и распространяется по лицензии Apache-2.0.

VladShash/qwen3-8b-classic-no-repair — плотная авторегрессионная языковая модель семейства Qwen3 с 7,6 млрд параметров, разработанная на основе formalmathatepfl/qwen3-cpt. Модель дообучена методом SFT на наборе данных sft; в карточке она представлена как диалоговая модель для генерации текста. Модель принимает текст и выдаёт текст. Её можно использовать для диалогов и генерации ответов в сценариях, где подходит Qwen3. Контекстное окно составляет 32 768 токенов. Карточка не сообщает о специализированных областях применения или языках. Лицензия указана как other, поэтому конкретные условия использования по карточке определить нельзя.

RWKV-7 World — языковая модель для генерации текста и диалогов, разработанная Бо Пэном, Юй Чжаном, Сонглином Яном и Жуйчуном Чжаном при поддержке RWKV Project под эгидой LF AI & Data Foundation. Модель основана на архитектуре RWKV7 с flash-linear attention; в репозитории указано 2,9 млрд параметров, а метаданные каталога оценивают размер в 3,1 млрд. Она использует токенизатор RWKV World с размером словаря 65 536 и принимает текст, выдавая текст; контекст составляет 2048 токенов. Модель подходит для генерации продолжений, ответов в диалоге и других задач языкового моделирования. README описывает обучение на World v3 на корпусе объёмом 3,119 трлн токенов. Метаданные указывают поддержку английского, китайского, японского, корейского, французского, арабского, испанского и португальского языков; README отдельно называет английский. Для работы указаны Transformers версии 4.48.0 или новее и библиотека flash-linear-attention. Лицензия — Apache-2.0.

mondk/Safetensors.claude-sonnet-mistral-7b-it-v0.3 — разговорная языковая модель, созданная на основе unsloth/mistral-7b-instruct-v0.3-bnb-4bit и дообученная на датасете mondk/claude-v2-super.jsonl. Она использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и предназначена для генерации текста в диалоговом формате, включая ответы на вопросы и ведение беседы на английском языке. Модель поддерживает контекст до 32 768 токенов и интерфейс вызова инструментов. Весы опубликованы в формате safetensors; лицензия — Apache-2.0. Карточка краткая, поэтому конкретные результаты оценивания и дополнительные ограничения не описаны.

samantha-1.2-mistral-7b-Mistral-7B-Instruct-v0.1 — объединённая разговорная модель на основе Mistral-7B-Instruct-v0.1 и cognitivecomputations/samantha-1.2-mistral-7b. Разработчик репозитория — MaziyarPanahi; в карточке указан метод слияния SLERP, архитектура MistralForCausalLM и 7,1 млрд параметров. Модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Она принимает текст и выдаёт текст; заявленный нативный контекст — 32 768 токенов. Карточка не уточняет поддерживаемые естественные языки и специализированные области применения. Модель распространяется в формате safetensors по лицензии Apache-2.0. Качество и ограничения исходных компонентов наследуются в объединённой модели; отдельные результаты оценки в карточке не приведены.

SauerkrautLM-Mixtral-8x7B — многоязычная языковая модель компании VAGO solutions на архитектуре Mixture of Experts, дообученная на базе mistralai/Mixtral-8x7B-v0.1. Модель содержит 7,1 млрд параметров и принимает текстовые запросы; заявленный контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском, немецком, французском, итальянском и испанском языках. Она прошла supervised fine-tuning (SFT) на OpenOrca/SlimOrca и выравнивание предпочтений методом DPO. Для обучения использовались немецкие аугментированные и переведённые данные, а также части наборов distilabel-math-preference-dpo и UltraFeedback. Карточка указывает лицензию Apache 2.0, допускающую коммерческое использование. Разработчики предупреждают, что модель может выдавать неподходящий или некорректный контент; качество немецких формулировок улучшали аугментацией, но стабильность поведения не гарантируется.

Это объединённая модель генерации текста, созданная с помощью mergekit из контрольных точек модели filtered_e2e_insert_hyperstition_v1. В README указано, что применён линейный метод слияния, а контрольная точка global_step4000 использовалась как базовая; в объединение также вошли global_step2000 и global_step3000. Архитектура — GPT-NeoX, модель содержит 8,8 млрд параметров и работает через Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Контекст составляет до 16 384 токенов. Данных о специальных языках или прикладных областях в карточке нет. Модель опубликована в формате Safetensors; сведения о лицензии отсутствуют в предоставленных данных.

Это объединённая модель генерации текста на базе архитектуры GPT-NeoX, созданная с помощью mergekit методом Linear из пяти контрольных точек обучения проекта filtered_midtrain_alignment. В README базовой указана контрольная точка global_step5000; в объединение также вошли global_step1000, global_step2000, global_step3000 и global_step4000. Модель рассчитана на генерацию текста и диалоговое взаимодействие. Она содержит 8,8 млрд параметров, поддерживает контекст до 16 384 токенов и распространяется в формате safetensors. Лицензия в доступных сведениях не указана.

Spaetzle-v66-7b — объединённая модель для генерации текста и диалоговых ответов, созданная cstr с помощью LazyMergekit из flemmingmiguel/NeuDist-Ro-7B, cstr/Spaetzle-v53-7b и ResplendentAI/Flora_DPO_7B. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации продолжений текста и ведения диалога. В карточке не приведены сведения о целевых языках или специализированных областях применения, поэтому её можно описать как модель общего назначения. Репозиторий содержит веса в формате safetensors; лицензия — CC BY-SA 4.0. Качество ответов и языковой охват зависят от составляющих моделей; README отмечает, что сведения о происхождении обучающих данных одной из них, Spaetzle-v53-7b, проследить по этой карточке нельзя. Это объединение весов, а не новая версия базовой модели, полученная обучением на отдельном корпусе.

Stable Beluga 13B — авторегрессионная языковая модель Stability AI, дообученная на базе Llama 2 13B на внутреннем наборе данных в стиле Orca. Она предназначена для генерации текста и диалогов на английском языке, включая ответы на инструкции и вопросы. Модель содержит 12,9 млрд параметров, использует архитектуру Llama и принимает контекст длиной до 4096 токенов. Модель доступна в формате Safetensors и рассчитана на запуск через HuggingFace Transformers. Перед применением в конкретных сценариях требуется проверка безопасности и качества: ответы могут быть неточными, предвзятыми или нежелательными, а тестирование проводилось на английском языке. Чекпойнт распространяется по некоммерческой лицензии STABLE BELUGA NON-COMMERCIAL COMMUNITY LICENSE AGREEMENT.

Карточка модели hamxea/StableBeluga-7B-activity-fine-tuned-v2 на Hugging Face совпадает с карточкой stabilityai/StableBeluga2, поэтому описание составлено по ней. Stable Beluga 2 — авторегрессионная языковая модель Stability AI на архитектуре Llama 2, дообученная на 70B-базе в стиле Orca. Она предназначена для диалогов и генерации текста, в том числе ответов на вопросы и выполнения текстовых инструкций. Модель содержит 68,7 млрд параметров, работает с текстом и имеет контекст длиной 4096 токенов; в карточке заявлена поддержка английского языка. Модель опубликована в формате PyTorch и рассчитана на использование через Hugging Face Transformers. Чекпойнт распространяется по лицензии STABLE BELUGA NON-COMMERCIAL COMMUNITY LICENSE AGREEMENT, которая ограничивает коммерческое использование. Модель может выдавать неточные, предвзятые или нежелательные ответы; перед применением в продукте Stability AI рекомендует проводить проверку безопасности и настройку под конкретный сценарий.

StarMonarch-7B — объединённая диалоговая модель на архитектуре Mistral, созданная Ppoyaa методом SLERP с помощью LazyMergekit на основе mlabonne/AlphaMonarch-7B и Nexusflow/Starling-LM-7B-beta. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и общения в формате чата; карточка приводит результаты оценки на задачах рассуждения и здравого смысла. Метаданные указывают контекст до 32 768 токенов, тогда как README заявляет окно контекста 8k. Модель принимает текст и генерирует текст, поддерживаемый язык — английский. Распространяется под лицензией Apache-2.0. Результаты бенчмарков в карточке не гарантируют качество для конкретного применения.

Synthia-70B-v1.1 — языковая модель семейства Llama 2, разработанная migtissera на базе Llama 2 70B и дообученная на наборах данных в стиле Orca. Модель предназначена для следования инструкциям и продолжительных диалогов; она также заявлена как способная к рассуждениям в стиле Tree of Thought. Для генерации текста используется архитектура LlamaForCausalLM с 68,7 млрд параметров и контекстом 2048 токенов. Модель подходит для диалоговых ассистентов, ответов на инструкции и развёрнутых объяснений на английском языке. В README приведены результаты оценивания, включая ARC и HellaSwag. Модель распространяется по лицензии Llama 2. Она может выдавать неточные или вводящие в заблуждение ответы, а также предвзятый, оскорбительный или иной неподходящий контент; заявлена как uncensored.

T3qm7xNeuralsirkrishna_AlloyingotneoyInex12 — объединённая модель на архитектуре Mistral, созданная из automerger/T3qm7xNeuralsirkrishna-7B и automerger/AlloyingotneoyInex12-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст. В метаданных указана лицензия Apache-2.0. Сведений о специализации по языкам и прикладным областям нет.

T3qm7xNeuralsirkrishna_Experiment27Experiment28 — объединённая языковая модель семейства Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment27Experiment28-7B. Модель содержит 7,1 млрд параметров и использует архитектуру MistralForCausalLM; веса опубликованы в формате safetensors. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст длиной до 32 768 токенов. Данные о целевых языках и специализации по предметным областям в карточке не приведены. Модель опубликована по лицензии Apache-2.0. Качество и ограничения конкретного объединения моделей в карточке не описаны.