III.2Исследование рынка и маркетинг

NightWing3-10B-v0.1 — разговорная языковая модель, созданная Nitral-Archive путём слияния двух моделей семейства Llama. Она предназначена для генерации текста в диалогах и принимает сообщения в формате ChatML. Модель содержит 9,9 млрд параметров, поддерживает контекст длиной до 32 768 токенов и работает через библиотеку Transformers. Модель подходит для ведения диалога и генерации ответов на текстовые запросы на английском языке. Репозиторий содержит веса в формате safetensors. Лицензия обозначена как other; конкретные условия использования в доступных данных не раскрыты.

OmniBeagle-7B — объединённая модель генерации текста на архитектуре Mistral, созданная с помощью LazyMergekit из BeagleSempra-7B, BeagSake-7B и WestBeagle-7B. В конфигурации также указан mistralai/Mistral-7B-v0.1 как базовая модель слияния; использован метод dare_ties, итоговые веса имеют точность float16. Модель предназначена для генерации текста и диалогов. Её размер составляет 7,1 млрд параметров, а контекст — до 32 768 токенов. В README приведены результаты Open LLM Leaderboard, включая оценки по тестам AI2 Reasoning Challenge и HellaSwag. Метаданные указывают формат safetensors и лицензию CC BY-NC 4.0, которая ограничивает коммерческое использование. Данные о целевых языках и специализированных областях применения в карточке не приведены.

orca_mini_7b — языковая модель, созданная Панкаджем Матуром на основе OpenLLaMA-7B. Модель дообучена на наборах инструкций WizardLM, Alpaca и Dolly-V2 с применением подходов к построению данных из исследовательской работы Orca; для генерации обучающих ответов использовался ChatGPT на базе gpt-3.5-turbo-0301. В метаданных указаны архитектура LLaMA, 6,6 млрд параметров и контекст до 2048 токенов. Модель предназначена для генерации текста по инструкциям и диалоговых запросов на английском языке. Обучение на объяснительных примерах ориентировано на выполнение разнообразных инструкций и рассуждения. Она принимает текст и выдаёт текст; опубликованные веса представлены в форматах PyTorch и Safetensors. Модель выпущена по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование и требует соблюдения условий атрибуции и распространения производных материалов. Контекст ограничен 2048 токенами; результаты приведённых в карточке оценок Open LLM Leaderboard не гарантируют точность в конкретных задачах.

Platypus-Nebula-v2-7B — объединённая модель на базе Mistral 7B, созданная Weyaxi путём слияния bhenrym14/mistral-7b-platypus-fp16 и PulsarAI/Nebula-v2-7B-Lora. Она предназначена для генерации текста и может использоваться для диалога, ответов на вопросы и решения текстовых задач на английском языке. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В репозитории размещены веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Qevacot-7B-v2 — текстовая генеративная модель, созданная сообществом bunnycore как слияние нескольких языковых моделей с помощью mergekit. В основе слияния лежит Qwen/Qwen2.5-7B; использован метод TIES. В состав также вошли c10x/CoT-2.5, EVA-UNIT-01/EVA-Qwen2.5-7B-v0.1, huihui-ai/Qwen2.5-7B-Instruct-abliterated-v2 и Cran-May/T.E-8.1. Модель построена на плотной архитектуре Qwen2, содержит 7,1 млрд параметров и рассчитана на контекст до 131 072 токенов. Она предназначена для генерации текста и диалогового взаимодействия; репозиторий указывает формат safetensors и библиотеку Transformers. Данные карточки не описывают отдельные языковые или предметные специализации, а также не содержат сведений о лицензии и конкретных оценках качества.

nbeerbower/Qwen3.5-9B-Writing-DPO — дообученная модель семейства Qwen3.5, созданная на базе Qwen/Qwen3.5-9B. Она предназначена для генерации текста в диалоге и сценариев написания текстов; в метаданных также отмечены интерфейсы чата и вызова инструментов. Модель использует плотную архитектуру Qwen3_5ForCausalLM и содержит 7,2 млрд параметров. Она работает через Transformers, распространяется в формате safetensors и имеет заявленный контекст 262 144 токена. Дообучение выполнено на наборе данных schneewolflabs/Athanorlite-DPO; название репозитория указывает на настройку для письма, однако README не содержит подробностей о стиле или качестве генерации. Базовая Qwen3.5 описана в каталоге как мультимодальная, но для этой модели указана текстовая задача text-generation. Лицензия в предоставленных данных не приведена. Возможности генерации зависят от запроса и дообучения; заявленные характеристики качества и ограничения в карточке не описаны.

Карточка модели VladShash/qwen3-8b-classic-one-shot-no-repair на Hugging Face совпадает с карточкой VladShash/qwen3-8b-classic-no-repair, поэтому описание составлено по ней. 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.

Riva-Translate-4B-Instruct-v2 — модель машинного перевода от NVIDIA на базе архитектуры Mistral. Она содержит 3,9 млрд параметров и дообучена на базе nvidia/Mistral-NeMo-12B-Base. Модель переводит между английским и 36 другими языками, включая русский, китайский, арабский, японский и хинди; поддерживает перевод предложений и документов. Контекст модели — до 8192 токенов. Модель предназначена для двунаправленного перевода между английским и поддерживаемыми языками. Её можно использовать для перевода отдельных фраз, документов и локализации текстов; для выбора языковой пары в запросе задаётся соответствующий тег. В README приведены результаты оценки на наборах FLORES-101 и WMT24++. Точность зависит от предметной области, сценария, шума и контекста; возможны грамматические и смысловые ошибки, а улучшить результат иногда помогает изменение запроса. README не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

jeiku/RocketHermesZephyrBoros_3B — объединённая языковая модель, созданная с помощью mergekit. В качестве базовой использована jeiku/Rosa_v1_3B, а в слияние также вошли pansophic/rocket-3B, jondurbin/airoboros-3b-3p0, cxllin/StableHermes-3b и stabilityai/stablelm-zephyr-3b. Для объединения применён метод task arithmetic; веса сохранены в формате safetensors с точностью float16. Модель построена на архитектуре StableLM Epoch, содержит 2,7 млрд параметров и имеет контекст длиной 4096 токенов. Она предназначена для диалогов, ответов на запросы и генерации текста; карточка отмечает разговорные возможности. В метаданных указана лицензия не была, поэтому условия использования по доступным данным описать нельзя.

Saiga/Llama3 8B — русскоязычный чат-бот Ильи Гусева на базе Llama 3 8B Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом до 8192 токенов, предназначенная для диалогов и генерации ответов на русском языке. Модель дообучалась на русскоязычных диалоговых и предпочтительных данных; в карточке описаны версии с SFT и KTO-настройкой. Для общения используется исходный формат промптов Llama 3 начиная с v4. Модель подходит для русскоязычного чат-ассистента и ответов на инструкции. В README приведены результаты сравнительной оценки, но они относятся к отдельным версиям и наборам оценки. Указана лицензия Hugging Face «other», поэтому конкретные условия использования следует сверить с лицензией репозитория и базовой модели. Модель принимает текст и генерирует текст; карточка не сообщает об обработке других модальностей.

samantha-mistral-instruct-7b-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре Mistral, созданная MaziyarPanahi слиянием методом SLERP моделей Mistral-7B-Instruct-v0.2 и Samantha-Mistral-Instruct-7B. Она предназначена для генерации текста в формате диалога и выполнения инструкций; размер составляет 7,1 млрд параметров, контекст — до 32 768 токенов. Модель принимает текст и выдаёт текст. Модель распространяется по лицензии Apache-2.0. Карточка описывает состав и конфигурацию слияния, но не приводит отдельных оценок качества или специализированных сценариев; применимость к конкретным задачам следует проверять на собственных данных.

arcee-ai/Saul-Base-Clown-7B-Instruct-slerp — текстовая генеративная модель, созданная объединением Equall/Saul-Base и CorticalStack/pastiche-crown-clown-7b-dare-dpo методом SLERP с помощью mergekit. Это плотная причинная языковая модель архитектуры Mistral объёмом 7,1 млрд параметров, сохранённая в формате safetensors; заявленный контекст — до 32 768 токенов. Модель предназначена для генерации текста в формате инструкций и диалога. Её можно применять для ответов на запросы, написания и редактирования текстов, а также для задач, где полезны объединённые характеристики исходных моделей. В карточке не приведены отдельные результаты оценки качества или сведения о поддерживаемых языках. Модель распространяется по лицензии Apache-2.0. Качество ответов и поведение могут зависеть от используемого шаблона промпта; самостоятельные сведения о тестировании и ограничениях в карточке отсутствуют.

arcee-ai/saul-zephyr-7b-slerp — объединённая методом SLERP модель на основе Equall/Saul-Base и HuggingFaceH4/zephyr-7b-beta, созданная с помощью mergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста в формате чат-диалога и выполнения пользовательских инструкций. Контекстное окно составляет до 32 768 токенов; модель принимает текст и генерирует текст. Модель сочетает компоненты базовой модели Saul-Base и англоязычной чат-модели Zephyr-7B-β. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. В карточке описан метод слияния, но сравнительные оценки качества и подробные ограничения не приведены.

SeaLLMs-v3-7B-Chat — диалоговая языковая модель серии SeaLLMs, разработанной для языков Юго-Восточной Азии. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и поддерживает контекст до 131 072 токенов; веса опубликованы в формате safetensors. Модель дообучена следовать инструкциям и вести многошаговый диалог. Она предназначена для генерации ответов и выполнения инструкций, включая вопросы на общие знания, математические задачи и перевод. Разработчики сообщают об улучшенной работе с местными контекстами региона и о мерах по снижению галлюцинаций, однако возможны неточные, вводящие в заблуждение или вредоносные ответы. Для реального использования рекомендуется независимая проверка и настройка мер безопасности. Условия использования определяются SeaLLMs Terms Of Use; метаданные указывают лицензию как other.

SELM-Llama-3-8B-Instruct-iter-2 — диалоговая языковая модель на архитектуре Llama 3 с 7,5 млрд параметров, разработанная jcmei. Это дообученная версия jcmei/SELM-Llama-3-8B-Instruct-iter-1, обученная на обновлённом и исходном наборах данных. Модель предназначена для генерации текста и ответов в формате ассистента; поддерживает контекст до 8192 токенов и представлена в формате Safetensors. Модель можно применять для диалоговых интерфейсов, черновиков текстов и ответов на текстовые запросы. Карточка не описывает результаты оценки качества, специальные предметные области или подтверждённый список языков. Использование регулируется лицензией Llama 3.

sfm_filtered_e2e_alignment-6k_7k_8k_9k_10k_weightedavg_merge — объединение языковых моделей, созданное с помощью mergekit. В карточке указано линейное слияние контрольных точек обучения на шагах 6000, 7000, 8000, 9000 и 10000; контрольная точка шага 10000 использовалась как базовая при слиянии. Модель имеет архитектуру GPT-NeoX, около 8,8 млрд параметров и контекстное окно до 16 384 токенов. Она предназначена для генерации текста и диалогового взаимодействия. Данные не уточняют конкретные языки, предметные области или специальные сценарии применения. Модель распространяется в формате Safetensors. Лицензия в предоставленных данных не указана.

Это объединённая линейным методом модель предварительно обученных языковых моделей, созданная с помощью mergekit. В основу слияния положен чекпойнт global_step12130; также объединены чекпойнты global_step10000 и global_step11000. Архитектура — плотная GPT-NeoX с авторегрессионной языковой моделью, около 8,8 млрд параметров; модель работает через Transformers и принимает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалоговых сценариев. README и метаданные не описывают специализацию по предметным областям или языкам, поэтому их нельзя определить точнее. Репозиторий содержит веса Safetensors. Условия лицензии в доступных сведениях не приведены.

Модель yuhengtu-bytedance/sfm_filtered_midtrain_alignment-6k_7k_8k_weightedavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. В README указано, что применён линейный метод слияния, а в качестве базовой использована версия с шагом обучения 8000; также объединены версии с шагами 6000 и 7000. Это плотная авторегрессионная модель семейства GPT-NeoX с 8,8 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 16 384 токена. В метаданных указан формат safetensors и библиотека Transformers. В карточке не указаны специальные предметные области или поддерживаемые естественные языки. Лицензия в предоставленных данных не указана, поэтому условия использования определить нельзя; качество и ограничения слияния отдельно не описаны.

sfmunfilterede2ealignment-4k5k6kweightedavgmerge — объединённая языковая модель, созданная с помощью mergekit методом Linear из контрольных точек обучения на шагах 4000, 5000 и 6000; базовой указана контрольная точка global_step6000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и предназначена для генерации текста и диалогового взаимодействия. Максимальная длина контекста — 16 384 токена. Карточка не описывает специализацию на конкретных предметных областях или языках, поэтому модель можно охарактеризовать только как текстовую модель общего назначения. Репозиторий содержит веса в формате safetensors и рассчитан на использование с Transformers. Сведения о лицензии в предоставленных источниках отсутствуют.

SharkOgno-7b-Task — объединённая языковая модель powermove72, созданная с помощью LazyMergekit из powermove72/Shark-1 и eren23/OGNO-7b-dpo-truthful. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; контекст составляет до 32 768 токенов. Слияние выполнено методом task arithmetic с весами 0,4 и 0,6, нормализацией и объединённым токенизатором; веса представлены в формате Safetensors и сохранены в FP16. Модель подходит для генерации продолжений и ответов на текстовые запросы. В состав входит база OGNO-7B-DPO-Truthful с акцентом на правдивость ответов, однако README не приводит отдельных оценок качества или подробного описания возможностей Shark-1. Лицензия в предоставленных данных не указана.

Starling-LM-11B-alpha — языковая модель семейства Mistral, разработанная Banghua Zhu, Evan Frick, Tianhao Wu, Hanlin Zhu и Jiantao Jiao. В карточке описана версия Starling-LM-alpha, дообученная с помощью RLHF/RLAIF на основе OpenChat 3.5; метаданные этого репозитория указывают архитектуру MistralForCausalLM и 10,6 млрд параметров. Модель предназначена для диалогов и генерации текста. В обучении использованы датасет предпочтений Nectar, reward model Starling-RM и метод оптимизации политики APA. Карточка приводит результаты бенчмарков MT-Bench, AlpacaEval и MMLU, но эти оценки не гарантируют качество в конкретных задачах. Модель поддерживает английский язык и контекст до 32 769 токенов; для диалога следует применять шаблон OpenChat 3.5. Иногда ответы могут быть чрезмерно подробными. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Карточка README называется Starling-LM-7B-alpha и описывает 7B-вариант, тогда как идентификатор и метаданные относятся к 11B-модели; поэтому сведения о дообучении и инструкциях из README следует считать относящимися к семейству, а не подтверждёнными специфически для 11B-чекпойнта.

T3qm7xNeuralsirkrishna_Experiment28Strangemerges_32 — объединённая модель генерации текста на базе Mistral, опубликованная MaziyarPanahi. Она объединяет automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment28Strangemerges_32-7B и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев с контекстом до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. В карточке модели не описаны языковой охват и специализированные предметные области.

MaziyarPanahi/T3qm7xNeuralsirkrishna_Inex12Experiment28 — объединённая модель для генерации текста и диалогов. В README указано, что она объединяет automerger/T3qm7xNeuralsirkrishna-7B и automerger/Inex12Experiment28-7B; архитектура — плотная Mistral с 7,1 млрд параметров. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В метаданных указана лицензия Apache-2.0. Сведения о целевых языках и специализированных областях применения отсутствуют; ограничения качества в карточке не описаны.

T3qm7xNeuralsirkrishna_Neuralsirkrishnaexperiment26Experiment24 — объединённая языковая модель, опубликованная MaziyarPanahi. Она предназначена для генерации текста и диалогов. Модель построена на архитектуре Mistral с плотной архитектурой, содержит 7,1 млрд параметров и использует формат safetensors; длина контекста составляет до 32 768 токенов. Модель объединяет automerger/T3qm7xNeuralsirkrishna-7B и automerger/Neuralsirkrishnaexperiment26Experiment24-7B. Доступна по лицензии Apache-2.0. Сведения о поддерживаемых языках и специализированных областях применения в карточке отсутствуют.

Tess-70B-v1.6 — универсальная языковая модель из серии Tess, разработанной migtissera. Она дообучена на базе Miqu/LLaMA-2-70B и предназначена для генерации текста и диалогового общения. Модель использует плотную архитектуру LlamaForCausalLM и содержит 68,7 млрд параметров. Модель принимает текст и генерирует текст. Контекстное окно составляет 32 764 токена. В карточке указан формат safetensors и лицензия Llama 2. Для общения README задаёт формат с метками SYSTEM, USER и ASSISTANT; сведения о поддерживаемых естественных языках и специализированных областях применения не приведены.

ThetaMaven10 — текстовая генеративная модель, созданная jefferylovely с помощью слияния моделей LazyMergekit. В слиянии участвуют jefferylovely/ThetaMaven9 и flemmingmiguel/MBX-7B-v3; применён метод slerp с настройками для слоёв self-attention и MLP. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Она предназначена для генерации текста; карточка не уточняет специализацию по языкам или прикладным областям. Репозиторий содержит веса в формате Safetensors. Лицензия CC BY-NC-ND 4.0 требует указания авторства и запрещает коммерческое использование и распространение производных материалов.

TranslateGemma 12B IT — модель для перевода от Google Translate, дообученная на основе Gemma 3. Она предназначена для перевода текста между 55 языками и может извлекать текст из изображения и переводить его. Модель принимает текст и изображения; для изображения предусмотрена обработка с разрешением 896 × 896 пикселей. Контекст входа составляет 2K токенов, а результатом служит текст перевода. Модель ориентирована на запуск на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре. Для работы предусмотрен шаблон чата Gemma, поддерживаемый Transformers. Обучение включало supervised fine-tuning на параллельных данных и этап reinforcement learning. Качество перевода зависит от покрытия и качества обучающих данных; модель может ошибаться в передаче нюансов, сарказма и предметного контекста. Указанная лицензия — Gemma; применяются условия использования Gemma и политика запрещённого использования.

Wistral-7B-Instruct-v0.3 — языковая модель BarraHome для диалоговой генерации текста. Она основана на Mistral-7B-Instruct-v0.2, дообучена с использованием Unsloth и библиотеки TRL и имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для ответов на сообщения и генерации текста в чате. Её контекст составляет 32 768 токенов. В карточке приведены результаты оценок на AI2 Reasoning Challenge и HellaSwag; они дают ориентир по отдельным тестам, но не гарантируют качество в других задачах. Для работы с моделью нужны совместимые инструменты и аппаратные ресурсы; метаданные указывают формат safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию по предметной области или отдельные ограничения применения.

QuixiAI/WizardLM-33B-V1.0-Uncensored — языковая модель семейства LLaMA, представленная как переобученная версия WizardLM с отфильтрованным набором данных, чтобы уменьшить число отказов, уклончивых ответов и проявления смещения. Она предназначена для генерации ответов на инструкции и диалогов в стиле шаблона Vicuna-1.1. Модель содержит 32,3 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает контекст до 2048 токенов. Модель ориентирована на англоязычные запросы и более послушное выполнение инструкций; автор отдельно отмечает, что она не лишена ограничений и не является полностью «нецензурированной». В карточке приведены результаты оценок на бенчмарках ARC и HellaSwag. Репозиторий содержит веса PyTorch. Лицензия указана как other, поэтому условия использования следует уточнять по материалам репозитория.

heegyu/WizardVicuna2-13b-hf — языковая модель для генерации текста, созданная дообучением Llama 2 13B на наборе ehartford/wizard_vicuna_70k_unfiltered в течение трёх эпох. Она предназначена для диалогов с ассистентом и ответов на инструкции в текстовом формате. Модель построена на плотной авторегрессионной архитектуре Transformer семейства Llama и содержит 12,9 млрд параметров; контекст — до 4096 токенов. Модель рассчитана прежде всего на английский язык. Она может помогать в диалогах и генерировать ответы на запросы, но, как и другие LLM, может выдавать неточную, предвзятую или нежелательную информацию. Лицензия Meta для Llama 2 требует принятия условий перед получением весов и допускает коммерческое использование в рамках этих условий.