III.2Исследование рынка и маркетинг

zelk12/MT-Max-Merge_02012025163610-MAMM-gemma-2-9B — разговорная языковая модель на архитектуре Gemma 2, созданная слиянием двух предварительно обученных моделей с помощью mergekit и метода SLERP. Сборку выполнил автор репозитория zelk12. Модель предназначена для генерации текста и диалогов. Она содержит 9 млрд параметров, принимает текст и выдаёт текст, а её контекст составляет 8192 токена. В README указано, что при слиянии использовалась точность bfloat16. Сведения о специальных предметных возможностях и поддерживаемых языках не приведены. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

zelk12/MT-Merge5-MMBMUI-gemma-2-9B — объединённая языковая модель на архитектуре Gemma 2, созданная автором репозитория с помощью mergekit. В неё методом SLERP объединены zelk12/MT-Merge5-MMB-gemma-2-9B и zelk12/MT-Merge5-MUI-gemma-2-9B; параметры слияния заданы относительно первой модели с коэффициентом t=0,25. Модель содержит 9 млрд параметров, использует формат safetensors и библиотеку Transformers. Она предназначена для генерации текста и диалоговых ответов; контекстное окно составляет 8192 токена. Карточка не описывает отдельные прикладные специализации или языковое покрытие, поэтому область применения следует определять по содержимому запросов и ответов модели. Лицензия в предоставленных данных не указана.

zelk12/MTM-Merge-MU-gemma-2-MTM4MTM3-9B — разговорная языковая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная автором репозитория слиянием предварительно обученных моделей zelk12/MT-Merge4-gemma-2-9B и zelk12/MT-Merge3-gemma-2-9B. Для объединения применён метод SLERP с использованием mergekit; веса представлены в формате safetensors и модель рассчитана на работу через Transformers. Модель предназначена для генерации текста и ведения диалогов. Она принимает текстовые запросы и выдаёт текстовые ответы; заявленный размер контекста — 8192 токена. Данные о целевых языках и специализированных предметных областях в доступных источниках отсутствуют. Лицензия и конкретные ограничения качества или безопасности в README и метаданных не приведены.

mvpmaster/nddmp-kellemar-KrishnaHercules-7b-slerp — объединённая модель для генерации текста, созданная методом SLERP с помощью LazyMergekit из mvpmaster/NeuralDareDMistralPro-7b-slerp и mvpmaster/kellemar-KrishnaHercules-0.1-7b-slerp. В метаданных указана архитектура MistralForCausalLM с плотными слоями и размером 7,1 млрд параметров. Модель принимает текстовые запросы и генерирует текст; заявленная длина контекста — до 32 768 токенов. Карточка не описывает специализированные сценарии, поддерживаемые языки или сравнительные результаты. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

NearalMistral-2x7B — чат-модель семейства Mixtral с архитектурой смеси экспертов (MoE), созданная Corianas с помощью LazyMergekit путём объединения mistralai/Mistral-7B-Instruct-v0.1 и Corianas/Neural-Mistral-7B. Она предназначена для генерации текста и ответов на диалоговые запросы. В конфигурации указаны два эксперта и случайный режим маршрутизации; метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса Safetensors, а лицензия — Apache-2.0. README не приводит результаты оценки качества, подробностей о поддерживаемых языках или специальных предметных областях.

NeuraLake-m7-7B — объединённая модель для генерации текста, созданная Meggido с помощью mergekit на основе NeuralBeagle14-7B, loyal-piano-m7 и WestLake-7B-v2-laser-truthy-dpo. В основе лежит плотная архитектура Mistral с 7,1 млрд параметров; модель доступна в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель подходит для генерации текста по запросу, диалоговых сценариев и продолжения текста. Репозиторий содержит лицензию CC BY-NC 4.0, которая ограничивает коммерческое использование. README не описывает специальные предметные области или отдельные гарантированные возможности модели.

neural-chat-7b-v3-1-Nebula-v2-7B — объединённая модель на основе Intel/neural-chat-7b-v3-1 и адаптера PulsarAI/Nebula-v2-7B-Lora. Она предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; доступна в формате safetensors и рассчитана прежде всего на английский язык. Модель опубликована Weyaxi и лицензирована по Apache 2.0. Карточка указывает на слияние базовой модели с LoRA-адаптером, однако не описывает специальные сценарии Nebula или результаты оценки качества.

MaziyarPanahi/neural-chat-7b-v3-2-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на базе Mistral-7B-Instruct-v0.1 и Intel/neural-chat-7b-v3-2. Модели объединены методом SLERP; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, формат весов — safetensors. Модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Она поддерживает контекст до 32 768 токенов и ориентирована на английский язык; среди заявленных тем есть математика. Лицензия — Apache 2.0. Модель можно использовать для диалоговых помощников, ответов на вопросы и генерации текста по инструкциям. Карточка не приводит результатов сравнительной оценки качества или подробных сведений об ограничениях, поэтому пригодность для конкретных задач следует проверять отдельно.

NeuralDaredevil-8B-abliterated-x-Llama-3-8B-instruct — объединённая разговорная языковая модель на архитектуре Llama 3, опубликованная IsakNordgren. Репозиторий содержит веса в формате Safetensors; размер модели — около 7,5 млрд параметров, нативный контекст — 8192 токена. README указывает на объединение NeuralDaredevil-8B-abliterated и AI-Sweden-Models/Llama-3-8B-instruct методом dare_ties с конфигурацией LazyMergekit. Модель предназначена для диалогов и генерации текста. Базовая Llama 3 от AI-Sweden-Models ориентирована на шведский, датский и норвежский языки; карточка этой модели не уточняет языковые ограничения самого объединённого чекпойнта. README не приводит результаты оценки качества или подробные ограничения применения. Лицензия в предоставленных данных не указана.

Corianas разработала Neural-Mistral-7B — диалоговую модель для генерации текста, полученную DPO-дообучением mistralai/Mistral-7B-Instruct-v0.2 на наборе Intel/orca_dpo_pairs. Модель построена на архитектуре Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Для общения используется формат инструкций Mistral с маркерами [INST] и [/INST]; модель доступна в формате safetensors и рассчитана на работу через Transformers. Модель подходит для диалоговых ответов и выполнения текстовых инструкций на английском языке. В README описана архитектура с Grouped-Query Attention, Sliding-Window Attention и токенизатором Byte-fallback BPE. Лицензия — Apache 2.0. В карточке нет результатов оценки качества или подробных ограничений применения.

NeuralMona_MoE-4x7B — языковая модель Mixture of Experts, созданная CultriX с помощью LazyMergekit путём объединения четырёх моделей: CultriX/MonaTrix-v4, mlabonne/OmniTruthyBeagle-7B-v0, CultriX/MoNeuTrix-7B-v1 и paulml/OmniBeagleSquaredMBX-v3-7B. В метаданных указаны архитектура Mixtral для причинной генерации текста, 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовым запросам и диалога в сценариях, где полезны возможности объединённых базовых моделей. README не приводит отдельных результатов оценки или подробного описания сильных сторон, поэтому качество для конкретных задач по имеющимся сведениям оценить нельзя. Репозиторий распространяется по лицензии Apache-2.0.

NeuralQuant-9B — текстовая генеративная модель на архитектуре Mistral, опубликованная mlabonne. Она создана слиянием через mergekit двух моделей: quantumaikr/quantum-v0.01 и mlabonne/NeuralHermes-2.5-Mistral-7B; конфигурация использует метод passthrough и формат bfloat16. Модель содержит около 8,9 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Карточка не уточняет целевые сценарии, языки или отдельные специализированные возможности. Репозиторий распространяет веса в safetensors под лицензией Apache-2.0.

NeuralsirkrishnaShadow_YamExperiment26 — объединённая текстовая модель, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/YamExperiment26-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; веса опубликованы в формате Safetensors. Модель предназначена для генерации текста и поддерживает контекст до 32 768 токенов, что позволяет использовать её для диалогов, написания черновиков и работы с длинными текстовыми запросами. Данные карточки не уточняют специализацию по языкам или областям применения. Модель распространяется по лицензии Apache-2.0. Сведения о точности, оценках качества и конкретных ограничениях применения в карточке отсутствуют.

NeuralStar_FusionWriter_4x7b — объединённая языковая модель семейства Mixtral с архитектурой Mixture of Experts, созданная OmnicromsBrain с помощью LazyMergekit. В слиянии использованы mlabonne/AlphaMonarch-7B, OmnicromsBrain/Eros_Scribe-7b, SanjiWatsuki/Kunoichi-DPO-v2-7B и OmnicromsBrain/NeuralStar_Fusion-7B. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для написания и продолжения текстов, ответов на запросы и ведения беседы. В карточке упомянуты отдельные статические и imatrix-квантизированные варианты GGUF, подготовленные MRadermacher; основной репозиторий использует формат safetensors. Модель распространяется по лицензии Apache-2.0. README не приводит результатов оценки качества или конкретных языковых ограничений; перечисление использованных моделей само по себе не гарантирует одинаковое качество их возможностей в объединённой модели.

Neurotic-Jomainotrik-7b-slerp — языковая модель на архитектуре Mistral, созданная liminerity с помощью слияния моделей mergekit методом SLERP. В объединение вошли liminerity/merge и bardsai/jaskier-7b-dpo-v5.6; карточка указывает базовой моделью liminerity/merge. Модель содержит 7,1 млрд параметров, сохранена в формате safetensors и использует точность float16. Модель предназначена для генерации текста. Указанный нативный контекст составляет 32 768 токенов. В README приведены результаты Open LLM Leaderboard, включая оценки по AI2 Reasoning Challenge и HellaSwag; конкретные языки и специализированные области применения не заявлены. Лицензия — Apache-2.0.

Neurotic-Momningojask-slerp — объединённая модель для генерации текста, созданная liminerity с помощью mergekit. В слиянии методом slerp использованы liminerity/merge и CorticalStack/neurotic-crown-clown-7b-ties; базовой указана liminerity/merge. Модель основана на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Для неё указан контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. README не описывает отдельные специализации или результаты оценки качества.

OLMo 7B April 2024 SFT — языковая модель Allen Institute for AI (AI2), созданная на базе OLMo 7B April 2024 с помощью supervised fine-tuning на смеси Tulu 2 SFT. Это плотный авторегрессионный Transformer с 6,7 млрд параметров; версия в метаданных рассчитана на контекст до 2048 токенов. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на вопросы, на английском языке. Модель доступна в формате safetensors и распространяется по лицензии Apache 2.0. Для запуска README рекомендует Transformers версии 4.40.0 или новее. В карточке также приведена оценка контекста обучения до октября 2023 года, при этом основная часть данных относится к февралю и марту 2023 года.

Helsinki-NLP/opus-mt-en-es — модель машинного перевода English→Spanish из проекта OPUS-MT, разработанная Helsinki-NLP. Это трансформер MarianMT с 58,4 млн параметров; модель использует нормализацию и токенизацию SentencePiece с словарями spm32k. Она предназначена для перевода текстов с английского на испанский. В README приведены результаты на тестовых наборах новостных текстов: BLEU 29,7–31,0 и chr-F 0,564–0,583. Модель принимает текст на английском и выдаёт текст на испанском. Её можно применять для перевода документов, новостных материалов и пользовательских текстов. Указанная длина контекста — 512 токенов. Модель доступна в форматах PyTorch, TensorFlow и Flax. Лицензия — Apache-2.0. Показатели на новостных тестах не гарантируют такого же качества на текстах других жанров; направление перевода ограничено английским → испанским.

opus-mt-en-ROMANCE — модель машинного перевода Helsinki-NLP для перевода с английского на французский, испанский, португальский, итальянский, румынский и другие романские языки и их варианты. Она построена на архитектуре Marian Transformer, содержит 58,4 млн параметров и рассчитана на контекст до 512 токенов. Для выбора языка перевода перед текстом требуется указать начальный токен целевого языка вида >>id<<; предварительная обработка включает нормализацию и SentencePiece. Модель обучена на данных OPUS и поддерживает перевод на широкий набор языковых вариантов, включая региональные варианты французского, испанского и португальского. В карточке приведён результат для теста Tatoeba.en.la: BLEU 50,1 и chr-F 0,693. Доступны форматы PyTorch, TensorFlow и Flax. Лицензия — Apache-2.0.

Palmyra Vision — мультимодальная модель компании Writer для диалога о визуальных данных. Она принимает изображение вместе с текстовым запросом и формирует текстовый ответ: подходит для вопросов об изображениях, диаграммах, документах, инфографике и визуальных задачах на рассуждение. В README указано обучение на наборе PixMo из 1 млн пар изображение—текст; архитектура — плотная MolmoForCausalLM, размер по метаданным — 12,8 млрд параметров, контекст — 4096 токенов. Модель объединяет компоненты, связанные с Writer/Palmyra-Large и openai/clip-vit-large-patch14-336. Для обслуживания рекомендован vLLM; также описан запуск через Transformers. В README приведены результаты на 11 академических тестах, включая ChartQA, DocQA, TextVQA и MathVista. Указано, что модель может испытывать трудности с прозрачными изображениями; для входных изображений может потребоваться формат RGB, а прозрачность рекомендуется предварительно заменить фоном. Метаданные указывают английский язык. Условия лицензии в предоставленных данных не приведены.

Pasta-PrimaMaid-7b — слитая языковая модель семейства Mistral, опубликованная Nitral-Archive. Она объединяет Test157t/Kunocchini-7b и Test157t/Pasta-Made_7b методом SLERP; конфигурация указывает на архитектуру MistralForCausalLM, плотную модель примерно на 7,1 млрд параметров и формат safetensors. Модель предназначена для генерации текста и может применяться в диалогах, создании черновиков и продолжении текстовых запросов. Модель работает с текстом и поддерживает контекст до 8192 токенов. В README приведены результаты Open LLM Leaderboard, включая оценки по ARC и HellaSwag. Лицензия обозначена в метаданных как other, поэтому условия использования следует проверять в карточке и связанных материалах репозитория.

Jacoby746/Proto-Harpy-Avian-v0.1-7B — языковая модель, созданная слиянием двух предварительно обученных моделей с помощью mergekit и метода SLERP: BAAI/Infinity-Instruct-7M-Gen-mistral-7B и SanjiWatsuki/Kunoichi-7B. Это плотная Mistral-модель с архитектурой MistralForCausalLM и 7,1 млрд параметров, сохранённая в формате safetensors; длина контекста — 8192 токена. Модель предназначена для генерации текста, в том числе ответов на запросы и диалогов. Базовая модель Infinity-Instruct описана как разговорная Mistral-7B, дообученная на инструкциях. Сведений о языках обучения и специальных прикладных областях карточка не содержит, поэтому модель следует рассматривать как модель общего назначения. Карточка не сообщает результаты оценки качества или отдельные ограничения модели. Условия лицензии в предоставленных данных не указаны.

SvalTek/Q2.5-ColdBrew-Antrax-Forge-10B-CharTest0 — плотная авторегрессионная языковая модель семейства Qwen2, дообученная SvalTek на основе SvalTek/Q2.5-ColdBrew-Antrax-Forge-10B-TestSFT0 с использованием Unsloth и библиотеки TRL. Модель содержит 9,4 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; заявленная длина контекста — до 131 072 токенов. Модель может использоваться для генерации ответов и продолжения текста в англоязычных чат-сценариях. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

QandoraExp-7B-v2 — языковая модель на 7,1 млрд параметров, созданная bunnycore слиянием моделей через mergekit. В основе — Qwen/Qwen2.5-7B; при слиянии также использованы QandoraExp-7B-Persona, cybertron-v4-qw7B-MGS и Rombos-LLM-V2.5-Qwen-7b. Применён метод della, итоговые веса сохранены в формате safetensors с типом bfloat16. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на вопросы, написания и продолжения текста, а также для сценариев, где требуется интерфейс вызова инструментов. Архитектура — плотная Qwen2; заявленная длина контекста составляет 131 072 токена. Карточка не сообщает результаты оценки качества или подробные сведения о поддерживаемых языках. Условия лицензирования в предоставленных данных не указаны.

Модель fathulhudoyo/qwen25-1.5b-alpaca-id-sft разработана fathulhudoyo и представляет собой дообученную версию Qwen2.5-1.5B Instruct. Это плотная авторегрессионная языковая модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель подходит для генерации ответов и ведения диалога на основе текстовых запросов. Максимальная длина контекста составляет 32 768 токенов; в метаданных указан английский язык. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Phantomcloak19/qwen2.5-3b-dpo — плотная авторегрессионная языковая модель семейства Qwen2, дообученная разработчиком на базе Qwen/Qwen2.5-3B-Instruct на этапе DPO в последовательном конвейере обучения LLMPR. Модель предназначена для диалогов и генерации текста по инструкциям; карточка указывает, что это результат DPO-фазы, после которой в конвейере предусмотрен этап Safety-GRPO. Модель содержит 3,1 млрд параметров, использует библиотеку Transformers и формат Safetensors, поддерживает контекст до 32 768 токенов. Базовая модель многоязычная, однако конкретный список языков для этого чекпойнта в предоставленных данных не указан. Лицензия и отдельные оценки качества не приведены.

SuperXyrex/qwen3-finetuned — дообученная компанией или автором SuperXyrex модель Qwen3-0.6B для генерации текста и диалогов. Она построена на плотной архитектуре Qwen3ForCausalLM, содержит 507,9 млн параметров и поддерживает контекст до 40 960 токенов. Модель рассчитана на текстовые запросы и генерацию текстовых ответов; базовая Qwen3 многоязычна, но конкретные языки и специализация дообучения не раскрыты. Модель можно применять для диалоговых сценариев и генерации текста общего назначения. В карточке приведено значение loss 2,0564 на оценочном наборе, однако набор данных, методика и результаты сравнительной оценки не описаны, поэтому по этому числу нельзя судить о качестве для конкретных задач. Лицензия — Apache-2.0.

Ourse/R4L — языковая модель на архитектуре Qwen2, созданная слиянием нескольких предварительно обученных моделей методом TIES. В основу merge положена bunnycore/Qwen2.5-1.5B-Matrix, также включены unsloth/Qwen2.5-1.5B-Instruct и испаноязычная Kukedlc/NeuralQwen-2.5-1.5B-Spanish. Модель содержит 1,5 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов; в метаданных также отмечен интерфейс вызова инструментов. Архитектура — плотная авторегрессионная Qwen2, библиотека — Transformers. Включение испаноязычной модели указывает на испанский среди целевых языков, а инструкция базовой Qwen2.5-1.5B-Instruct позволяет использовать её для диалоговых запросов. README указывает на формат весов float16; репозиторий содержит файлы safetensors. Карточка не сообщает результатов оценки качества, поэтому возможности и стабильность ответов после слияния не подтверждены приведёнными данными. Лицензия в предоставленных источниках не указана.

Re:MythoMax v2.1 (ReMM v2.1) — плотная авторегрессионная языковая модель семейства Llama с 12,9 млрд параметров, созданная Undi95 как экспериментальная переработка MythoMax-L2-B13. Весовые файлы представлены в fp16 и Safetensors; модель использует контекст до 4096 токенов и шаблон Alpaca. Модель предназначена для генерации текста в диалогах и других сценариях следования инструкциям. Она получена методом SLERP-слияния ReML v2.1 и Huginn v1.2; в карточке также перечислены Chronos-Beluga v2, Airoboros L2 2.2 и Nous-Hermes Llama 2 как компоненты ReML. Указанная лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование.

Rombos-Qwen2.5-Writer-32b-GGUF — это набор GGUF-квантизаций текстовой генеративной модели Rombos-Qwen2.5-Writer-32b, разработанной SubtleOne и подготовленной квантизатором bartowski. Модель основана на архитектуре Qwen2.5, однако точная конфигурация архитектуры, поддерживаемые языки и размер контекста в README не указаны. Формат предназначен для локального запуска через llama.cpp и совместимые приложения, включая LM Studio. Модель ориентирована на генерацию и редактирование текста, а также на сценарии, где важны писательские возможности, поскольку в её названии указано назначение Writer. Доступны варианты от полноточного F16 размером 65,53 ГБ до квантизаций Q8_0, Q6, Q5, Q4, Q3 и IQ различных размеров. Квантизации выполнены с использованием imatrix и датасета bartowski; варианты Q6_K_L, Q6_K, Q5 и Q4 отмечены как рекомендуемые благодаря сочетанию качества и экономии памяти. Более компактные варианты требуют меньше оперативной памяти, но уступают по качеству. Это текстовая, а не мультимодальная модель: сведения о работе с изображениями, аудио или видео отсутствуют. Основные ограничения — значительные требования к памяти для 32B-модели, зависимость качества от выбранного уровня квантизации и отсутствие в README подробных данных о производительности, языках и контексте. Для диалогового запуска следует использовать формат prompt с маркерами im_start и im_end. Для модели указана лицензия Apache-2.0.