III.2Исследование рынка и маркетинг

Experiment28M7-7B — объединённая Maxime Labonne модель семейства Mistral с плотной архитектурой для авторегрессионной генерации текста. Она создана методом SLERP из yam-peleg/Experiment28-7B и liminerity/M7-7b с помощью автоматического слияния; конфигурация задаёт веса отдельно для слоёв self-attention и MLP. Модель содержит 7,1 млрд параметров и принимает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на основе текстового ввода. В репозитории указаны веса Safetensors, а лицензия — Apache-2.0. README не приводит результатов оценки качества или сведений о специализированных предметных областях.

Experiment28M7_YamExperiment28 — объединённая модель Maziyar Panahi на основе двух моделей: automerger/Experiment28M7-7B и automerger/YamExperiment28-7B. Она предназначена для генерации текста и диалоговых сценариев на базе архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает специальные навыки, языки или результаты оценки качества.

FANTOME2.0 — дообученная языковая модель автора ShadowThePessimistic на базе unsloth/mistral-7b-instruct-v0.3-bnb-4bit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. В карточке указано, что при дообучении использовались Unsloth и библиотека TRL; модель поддерживает контекст до 32 768 токенов. Модель может применяться для генерации ответов в чате и других текстовых сценариев. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не описывает конкретную специализацию или результаты оценки качества, поэтому пригодность для узких задач нужно проверять отдельно.

EpistemeAI2/Fireball-Alpaca-Llama3.1.06-8B-Philos — дообученная текстовая модель семейства Llama 3.1 с плотной архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она рассчитана на ответы на вопросы и генерацию текста в диалоговом формате; для работы с ней рекомендуется шаблон Alpaca. Контекстное окно составляет до 131 072 токенов. Модель подходит для ответов на вопросы, диалогового помощника и генерации текста. В карточке указана поддержка английского языка; README описывает языковые возможности исходного семейства Llama 3.1, но не подтверждает их отдельно для этой производной модели. Лицензия в метаданных — Apache 2.0. Ответы могут содержать ошибки, а пригодность модели для задач и интеграций с инструментами следует проверять отдельно.

Flammen-Mahou-mistral-7B — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом SLERP из flammenai/Mahou-1.2a-mistral-7B и flammenai/flammen30-mistral-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста; максимальная длина контекста составляет 32 768 токенов. Модель принимает текст и генерирует текст. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. README не описывает специализированные сценарии или языковое покрытие, поэтому модель можно характеризовать только как генератор текста общего назначения.

jaspionjader/fr-18-8b — разговорная языковая модель, созданная автором репозитория слиянием моделей методом SLERP с помощью mergekit. В слиянии использованы jaspionjader/fr-17-8b и FuseAI/FuseChat-Llama-3.1-8B-Instruct; архитектура — плотная Llama для генерации текста, размер — около 7,5 млрд параметров. Модель рассчитана на диалоговые сценарии и генерацию текста, поддерживает контекст до 131 072 токенов. Базовая FuseChat-Llama-3.1-8B-Instruct описана как модель для диалога, следования инструкциям, математики и программирования, однако README не уточняет, какие способности сохранены или улучшены в результате слияния fr-18-8b. Репозиторий содержит веса Safetensors; для работы используется Transformers. Лицензия в предоставленных данных не указана.

djuna/G2-BigGSHT-27B-2 — языковая модель для генерации текста и диалогов, созданная объединением моделей с помощью mergekit. В README указан метод Model Stock: в объединение вошли djuna/G2-BigGSHT-27B-calc и unsloth/gemma-2-27b-it, а базой для слияния служила AALF/gemma-2-27b-it-SimPO-37K-100steps. Модель построена на архитектуре Gemma 2, содержит 27,6 млрд параметров и работает с контекстом до 8192 токенов. Модель предназначена для генерации ответов в чате и других сценариев работы с текстом. Метаданные отмечают возможность диалога; базовая Gemma 2 описана как англоязычная. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH, без дополнительных сведений о методике применения. Репозиторий содержит веса в формате Safetensors, а метаданные указывают библиотеку Transformers. Лицензия в предоставленных данных не указана.

Карточка модели QueryloopAI/gemma-2b-openhermes на Hugging Face совпадает с карточкой abideen/gemma-2b-openhermes, поэтому описание составлено по ней. abideen/gemma-2b-openhermes — компактная языковая модель для генерации текста, созданная дообучением Google Gemma 2B Instruct с помощью QLoRA на предпочтениях OpenHermes-2.5. Модель использует плотную архитектуру GemmaForCausalLM, содержит 2,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель принимает текстовые запросы и документы, а в ответ генерирует текст. Она предназначена для диалогов, ответов на вопросы и суммаризации; для разговорного режима следует применять встроенный шаблон чата токенизатора. В README заявлена генерация на английском языке. Карточка приводит результаты нескольких бенчмарков, но сама по себе не гарантирует качество на конкретных прикладных задачах. Модель доступна в формате Safetensors для библиотеки Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Gemma2-Snowflakes-9B — плотная языковая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная автором репозитория с помощью слияния моделей методом TIES через mergekit. Базой слияния послужила mergekit-community/Tigers-Abliterated-9B; также использованы модели EZO-Common, EZO-Humanities, G2-9B-Aletheia, gemma2-9B-sunfall, SahabatAI-Lion и Gemma-2-Ataraxy. Модель предназначена для генерации текста и диалоговых ответов; заявленное контекстное окно — 8192 токена. В метаданных указаны английский и японский языки, а также возможность чата. Репозиторий использует формат safetensors и библиотеку Transformers. Сведений о лицензии в предоставленных данных нет.

Карточка модели Srishtik/gemma-3-270m-linear-merged-trained-on-responses на Hugging Face совпадает с карточкой Srishtik/gemma-3-270m-slerp-merged-trained-on-responses, поэтому описание составлено по ней. Srishtik дообучил текстовую модель Gemma 3 на 257 млн параметров на основе unsloth/gemma-3-270m-it. Она предназначена для диалогов и генерации текста; метаданные также указывают на поддержку чата. Модель использует плотную архитектуру Gemma3ForCausalLM, принимает текст и выдаёт текст, поддерживает английский язык и контекст до 32 768 токенов. В репозитории указаны веса Safetensors и лицензия Apache 2.0. README сообщает, что обучение выполнялось с Unsloth.

Srishtik дообучил текстовую модель Gemma 3 на 257 млн параметров на основе unsloth/gemma-3-270m-it. Она предназначена для диалогов и генерации текста; метаданные также указывают на поддержку чата. Модель использует плотную архитектуру Gemma3ForCausalLM, принимает текст и выдаёт текст, поддерживает английский язык и контекст до 32 768 токенов. В репозитории указаны веса Safetensors и лицензия Apache 2.0. README сообщает, что обучение выполнялось с Unsloth.

GreenOgno-7b-passthrough — текстовая генеративная модель на архитектуре Mistral, созданная объединением GreenNode/GreenNode-mini-7B-multilingual-v1olet и eren23/OGNO-7b-dpo-truthful с помощью LazyMergekit. В конфигурации passthrough взяты слои 0–15 первой модели и слои 16–31 второй; токенизатор объединён, веса сохранены в float16. Размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В составе объединены мультиязычная модель GreenNode и DPO-модель OGNO-7b с акцентом на правдивость ответов; README не приводит отдельных оценок качества или подробных рекомендаций по применению. В метаданных и README лицензия не указана.

H2O.ai разработала h2ogpt-oig-oasst1-falcon-40b — языковую модель с архитектурой Falcon (RefinedWeb), дообученную следовать инструкциям. В README указан размер 40 млрд параметров, а в метаданных — 65 млрд; поэтому точный размер по предоставленным данным определить нельзя. Базовая модель — tiiuae/falcon-40b, для дообучения использован набор h2oai/h2ogpt-oig-oasst1-instruct-cleaned-v3. Модель предназначена для диалогового помощника и генерации ответов на инструкции и вопросы на английском языке. Она работает через библиотеку Transformers и поставляется в формате PyTorch. Лицензия Apache-2.0 допускает коммерческое использование. Модель может выдавать ошибочные, бессвязные или нерелевантные ответы, а также воспроизводить предвзятые и оскорбительные формулировки, поэтому её ответы требуют проверки. В README приведены результаты оценки на задачах ARC, но они не гарантируют качество для конкретных сценариев.

inflatebot/helide-beta-r1 — объединённая языковая модель, созданная с помощью mergekit из Sao10K/L3-8B-Stheno-v3.2 и Fizzarolli/L3-8b-Rosier-v1 методом SLERP. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; максимальная длина контекста — 8192 токена. Модель можно применять для ведения диалогов, выполнения инструкций и написания историй. В карточке указаны англоязычные базовые модели, поэтому основным языком следует считать английский. Веса опубликованы в формате safetensors; лицензия в предоставленных данных не указана.

Hy-MT2-7B — многоязычная модель перевода Tencent Hy на 7,5 млрд параметров с плотной архитектурой HunYuanDenseV1. Она предназначена для перевода между 33 языками, включая выполнение инструкций о переводе на разных языках, и рассчитана на сложные сценарии: повседневные, деловые и специализированные тексты. Модель работает как генеративная языковая модель; для использования доступны веса в формате Safetensors и библиотека Transformers. Заявленная длина контекста — 262 144 токена. Модель подходит для машинного перевода, локализации и перевода с учетом заданных инструкций. В README Tencent сообщает о сильных результатах на общих, деловых и специализированных тестах перевода; это заявление разработчика, а не независимая гарантия качества. Для запуска рекомендуется задавать параметры генерации и инструкции с полными названиями исходного и целевого языков. Модель распространяется по лицензии Apache-2.0.

HyperGemma-2-9B — слитая языковая модель на архитектуре Gemma 2, опубликованная пользователем bunnycore. Она создана методом Model Stock с помощью mergekit на основе lemon07r/Gemma-2-Ataraxy-9B и объединяет также crestf411/gemma2-9B-sunfall-v0.5.2, ehristoforu/Gemma2-9b-it-train6 и nbeerbower/gemma2-gutenberg-9B. Модель содержит 9 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Модель можно применять для ведения диалога, написания творческих текстов и генерации продолжений по запросу. Она принимает текст и выдаёт текст; заявленный контекст — 8192 токена. Веса опубликованы в формате safetensors и представлены для использования через Transformers. Лицензия и специальные ограничения применения в предоставленных данных не описаны. Качество и языковое покрытие отдельно не охарактеризованы, поэтому их следует оценивать на целевых запросах.

EpistemeAI2/Iceball-Phi-3.5-mini-instruct-v1 — языковая модель EpistemeAI2 для генерации текста и диалогового общения. Она дообучена на базе unsloth/phi-3.5-mini-instruct-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 3,7 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 4096 токенов. Репозиторий содержит веса в форматах PyTorch и SafeTensors, а также вариант GGUF F16. В метаданных указан английский язык. Модель подходит для генерации ответов и ведения диалогов на английском языке. Лицензия — Apache-2.0.

IceEspressoRPv2-7b — слитая разговорная языковая модель, опубликованная пользователем icefog72. Она создана методом SLERP в mergekit из двух предварительно обученных моделей; архитектура MistralForCausalLM, размер — 7,1 млрд параметров. Модель предназначена для генерации текста в диалоговом формате и имеет контекстное окно до 32 768 токенов. Модель может служить основой для интерактивных диалогов и генерации продолжений текста. В карточке приведены результаты Open LLM Leaderboard: средний балл 21,25, IFEval — 49,77, BBH — 31,30; они дают отдельные ориентиры оценки, но не гарантируют качество в конкретном сценарии. Модель распространяется в формате Safetensors. Лицензия в предоставленных данных не указана.

InnerILLM-0x00d0-Ox0dad0-nous-nous-v2.0-7B-slerp — языковая модель, созданная InnerI слиянием методом SLERP через LazyMergekit моделей OpenPipe/mistral-ft-optimized-1218 и 0x0dad0/nous_nous_v2_0. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров для генерации текста. Она принимает текст и формирует текстовые продолжения; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса Safetensors в формате bfloat16. Модель подойдёт для текстовых диалогов и генерации текста, однако карточка не приводит оценок качества, конкретных рекомендаций по применению или сведений о поддерживаемых языках. Лицензия в предоставленных данных не указана.

Iridium-72B-v0.1 — языковая модель на 71,5 млрд параметров, созданная автором leafspark слиянием Qwen2-72B-Instruct, calme2.1-72b и magnum-72b-v1 с помощью model_stock. Модель использует плотную архитектуру Qwen2 для генерации текста и диалогов; доступна в формате safetensors для Transformers. В README указан контекст до 128 тысяч токенов, тогда как метаданные каталога указывают native context в 32 768 токенов. Модель предназначена для диалоговых ответов и генерации связного текста, сочетая, по описанию автора, стиль прозы Magnum с возможностями Calme. Поддерживаемые языки по карточке — английский и китайский. Для запуска автор указывает потребность примерно в 140 ГБ VRAM или RAM и не менее 135 ГБ свободного места. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой модели и лицензиями исходных моделей.

juanako-7b-UNA-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная объединением mistralai/Mistral-7B-Instruct-v0.2 и fblgit/juanako-7b-UNA методом SLERP с помощью MergeKit. Это плотная модель Mistral с 7,1 млрд параметров для генерации текста и общения в формате инструкций. Она рассчитана на диалоговые сценарии и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст; в метаданных заявлена поддержка чата. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не приводит результатов сравнительных оценок качества или подробностей о языковом охвате, поэтому применимость для конкретного языка или задачи следует проверять отдельно.

K2S3-Mistral-7b-v1.48 — языковая модель, разработанная K2S3 и созданная полнопараметрической донастройкой с supervised fine-tuning базовой модели mistralai/Mistral-7B-v0.1. Это плотная авторегрессионная модель семейства Mistral с 7,2 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском и корейском языках. При обучении использовались alpaca-gpt4-data и примеры из OpenOrca; настройка выполнялась через Hugging Face SFTTrainer с FSDP на двух GPU A100. Модель распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Качество и поведение модели зависят от формулировки запроса и обучающих данных; в карточке не приведены результаты оценки или специальные гарантии точности.

ewof/koishi-8x7b-qlora — языковая модель семейства Mixtral, дообученная автором с помощью QLoRA на наборе инструкций koishi-instruct-metharme. В README указано, что обучение проводилось один проход по данным с использованием Axolotl и что адаптер был объединён с базовой моделью mistralai/Mixtral-8x7B-v0.1; в метаданных размер указан как 7,1 млрд параметров, а архитектура — MixtralForCausalLM с механизмом mixture-of-experts. Модель предназначена для генерации текста в ответ на пользовательские запросы и ведения диалогов с указанным в карточке форматом ролей; контекст составляет до 32 768 токенов. Модель принимает текст и генерирует текст. README не указывает поддерживаемые естественные языки, поэтому языковая специализация не установлена. Опубликованы веса PyTorch. Карточка не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя. Результат зависит от инструкций и обучающих данных; независимые оценки качества в карточке отсутствуют.

Kosmos-EVAA-Franken-v36-8B — объединённая текстовая языковая модель на архитектуре Llama, созданная методом SLERP с помощью mergekit из jaspionjader/f-5-8b и jaspionjader/f-8-8b. Модель разработана автором репозитория jaspionjader и предназначена для диалогов и генерации текста; в метаданных отмечена возможность чата. Модель содержит 7,5 млрд параметров, использует формат safetensors и рассчитана на контекст до 8192 токенов. Данные о поддерживаемых естественных языках и лицензии в предоставленных источниках отсутствуют.

Kunocchini-7b — текстовая генеративная модель семейства Mistral с 7,1 млрд параметров, созданная Nitral-Archive слиянием SanjiWatsuki/Kunoichi-DPO-v2-7B и Epiculous/Fett-uccine-7B. Для слияния использован метод SLERP; модель работает с контекстом до 8192 токенов и доступна в формате safetensors для Transformers. Модель предназначена для генерации текста и может использоваться для диалогов, ответов на вопросы и других сценариев работы с текстом. В README приведены результаты оценки на задачах рассуждения и commonsense reasoning, но данных о языках обучения или поддерживаемых языках нет. В README указана лицензия «other» без дополнительных условий, поэтому перед использованием следует проверить лицензионные сведения репозитория и базовых моделей. Указанные оценки относятся к конкретным бенчмаркам и сами по себе не гарантируют качество в прикладных сценариях.

posicube/Llama2-chat-AYT-13B — диалоговая языковая модель компании Posicube Inc., созданная на основе Llama-2-13b-chat-hf. Разработчики объединили модели, показавшие лучшие результаты в бенчмарках ARC, MMLU и TruthfulQA; при обучении использовались наборы данных в стилях Orca и Alpaca. Модель содержит 12,9 млрд параметров, использует архитектуру Llama и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации ответов и диалогового использования на английском языке. В README сообщается о высоких результатах среди моделей класса 13B на бенчмарках 2023 года, включая ARC, HellaSwag и MMLU. Лицензия — Llama 2. Тестирование описано для английского языка; перед применением в конкретных сценариях следует проверять качество и безопасность ответов.

MaziyarPanahi/Llama-3-16B-Instruct-v0.1 — диалоговая языковая модель семейства Llama, созданная MaziyarPanahi как self-merge модели MaziyarPanahi/Llama-3-11B-Instruct-v0.1. Она предназначена для генерации текста и ответов на инструкции в формате диалога; пример в карточке показывает решение простой арифметической задачи. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 16,2 млрд параметров и рассчитана на контекст до 8192 токенов. Принимает текст и выдаёт текст; в метаданных указан английский язык. Модель подходит для диалоговых ассистентов, ответов на вопросы и выполнения текстовых инструкций. Карточка указывает библиотеку Transformers и формат safetensors. Лицензия обозначена как other, поэтому условия использования следует сверять с лицензией репозитория. Отдельные сведения о сравнительных качествах и ограничениях модели в карточке не приведены.

DeepMount00/Llama-3.1-Distilled — дообученная языковая модель, разработчик — Michele Montebovi. Она построена на базе meta-llama/Meta-Llama-3-8B и предназначена для генерации текста в диалоговом формате. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Заявленная длина контекста — 131 072 токена. В метаданных указаны английский и итальянский языки; библиотека — Transformers, веса представлены в формате safetensors. Лицензия — Llama 3.

Mudassir-75/Llama-3.2-3B-Instruct-ENG-FR — диалоговая текстовая модель Mudassir-75, дообученная на базе unsloth/Llama-3.2-3B-Instruct с использованием Unsloth и Hugging Face TRL. Она предназначена для генерации ответов в чате и других сценариев генерации текста. Модель использует плотную архитектуру LlamaForCausalLM и содержит 3,2 млрд параметров; заявленная длина контекста — 131 072 токена. Карточка и метаданные отмечают английский язык, но подробности обучения для языкового варианта ENG-FR не раскрыты. Модель распространяется по лицензии Apache-2.0.

Llama-3-SauerkrautLM-8b-Instruct — разговорная языковая модель, совместно разработанная VAGO Solutions и Hyperspace.ai на основе Meta-Llama-3-8B-Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, настроенная для инструкций и выровненная с помощью DPO. Она принимает текстовые запросы и генерирует текст; заявлены немецкий и английский языки. Контекст модели — до 8192 токенов. Модель предназначена для диалогов с ассистентом, ответов на вопросы и немецкоязычных сценариев, включая оценённые авторами задачи RAG. В README приведены результаты бенчмарков, но они не гарантируют качество в конкретном применении. Авторы предупреждают, что модель может выдавать неподходящий или неотфильтрованный контент и не гарантируют стабильно корректное поведение. В репозитории указана лицензия other, а README связывает лицензию с Meta-Llama; перед использованием следует проверить применимые условия лицензирования.