III.2Исследование рынка и маркетинг

Карточка модели mergekit-community/mergekit-ties-mojzqgu на Hugging Face совпадает с карточкой mergekit-community/mergekit-ties-fnacfof, поэтому описание составлено по ней. mergekit-community/mergekit-ties-fnacfof — языковая модель на архитектуре Llama, созданная сообществом с помощью слияния TIES. В объединении использованы NousResearch/Llama-2-7b-hf в качестве базовой модели, а также microsoft/Orca-2-7b и arcee-ai/Patent-Instruct-7b. Модель содержит 6,6 млрд параметров, распространяется в формате Safetensors и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев, сочетая возможности включённых в слияние моделей. Карточка не уточняет отдельные преимущества, целевые языки или специализированные сценарии; базовая модель описана как англоязычная. Лицензия в предоставленных данных не указана.

MFANNv0.20.12 — диалоговая языковая модель, созданная netcat420 слиянием весов через TIES и mergekit на основе mlabonne/Meta-Llama-3.1-8B-Instruct-abliterated. В слияние также вошли netcat420/MFANNv0.19, netcat420/MFANNv0.20 и netcat420/MFANNv0.20.11. Модель построена на архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и использует формат safetensors. Она предназначена для диалогов и генерации текстовых ответов; заявленная длина контекста — 131 072 токена. Базовая модель описана как вариант Llama 3.1 8B Instruct с ослабленными ограничениями на ответы. Лицензия в предоставленных данных не указана.

sandeeparmada/mistalai_finetuned — дообученная автором sandeeparmada языковая модель семейства Mistral для генерации текста и диалогов. В основе лежит unsloth/mistral-7b-instruct-v0.3-bnb-4bit; модель имеет плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Контекстное окно составляет 32 768 токенов, формат весов — Safetensors. Модель предназначена для генерации ответов и ведения диалога на английском языке. В карточке указано, что обучение выполнялось с Unsloth и библиотекой TRL; подробности о данных и специализации дообучения не приведены. Распространяется по лицензии Apache-2.0.

Mistral-11B-v0.3 — языковая модель для генерации текста, созданная Corianas как слияние моделей семейства Mistral с помощью LazyMergekit. В README перечислена одна и та же модель Mistral-7B-v0.3 трижды; метаданные также указывают на Mistral-7B-v0.3 как базовую модель. Модель имеет плотную архитектуру MistralForCausalLM, 10,6 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации продолжений текста и диалоговых ответов в сценариях, где требуется языковая модель общего назначения. В метаданных указан формат safetensors. Языки и специализированные области применения в предоставленных материалах не определены. Лицензия в предоставленных данных не указана. README описывает модель как merge, тогда как метаданные классифицируют её как finetune; точный способ получения весов поэтому неоднозначен.

shitshow123/mistral7b_sft_dpo — разговорная языковая модель семейства Mistral, представленная в формате Safetensors. По метаданным, она содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом режиме. Репозиторий не содержит описания обучения или сведений, подтверждающих, что именно SFT и DPO применялись при создании модели; эти методы не выводятся из одного лишь названия. Указана лицензия Apache-2.0. Карточка не приводит оценок качества, инструкций по применению или ограничений сверх характеристик, сообщённых в метаданных.

Minbyul/mistral-7b-wo-kqa_golden-iter-sft-step1 — дообученная модель генерации текста на базе mistralai/Mistral-7B-v0.1. Она создана с использованием набора HuggingFaceH4/deita-10k-v0-sft; в README приведено значение loss 1,1981 на наборе оценки. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. README не уточняет специализацию, целевую аудиторию или результаты на конкретных прикладных задачах, поэтому её можно описать только как дообученную языковую модель общего назначения. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

BeaverAI/mistral-doryV2-12b — инструкционная донастройка базовой модели Mistral Nemo Base 2407 от BeaverAI. Модель предназначена для диалоговой генерации текста по инструкциям и использует шаблон запросов в стиле Alpaca с необязательным системным сообщением. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров. Метаданные указывают контекст до 1 024 000 токенов, поддержку английского языка и формат весов Safetensors. Модель не ориентирована на эротический ролевой контент; для этого автор рекомендует другую модель. Распространяется по лицензии Apache 2.0. README не приводит результатов оценки качества или подробностей обучения, поэтому пригодность для конкретных задач следует проверять на собственных данных.

Модель toxibunny/mistral-small-unsloth-base-rpmax-base-v-curve-slerp — объединение двух предварительно обученных языковых моделей, созданное с помощью mergekit методом SLERP. В слиянии использованы ArliAI/Mistral-Small-22B-ArliAI-RPMax-v1.1 и unsloth/Mistral-Small-Instruct-2409; для входных и выходных слоёв задана доля базовой модели, а для средних слоёв — RPMax. Модель относится к семейству Mistral, имеет плотную архитектуру MistralForCausalLM и 22 млрд параметров. Модель предназначена для генерации текста и разговорных сценариев, включая творческое письмо и ролевые диалоги. Она поддерживает контекст до 32 768 токенов и распространяется в формате safetensors для библиотеки Transformers. Лицензия в предоставленных данных не указана.

aqweteddy/mistral_tv-neural-marconroni — объединённая языковая модель на базе Mistral 7B, сочетающая чат-векторные компоненты Neural-Chat и Marconroni. В README описан подход Chat Vector: он переносит чат-поведение в языковую модель с помощью слияния весов, без отдельного цикла дообучения для получения новых диалоговых возможностей. Метаданные указывают на плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов, включая выполнение инструкций и многоходовое общение. README приводит результаты оценки на наборах задач рассуждения и здравого смысла, но не уточняет отдельные показатели именно этой модели, кроме среднего результата и оценок по двум тестам. В карточке указан английский язык; описание подхода Chat Vector посвящено также китайскому и корейскому языкам, но поддержка этих языков данной сборкой не подтверждена. Репозиторий содержит веса Safetensors, лицензия — MIT.

cloudyu/Mixtral_7Bx2_MoE_13B — разговорная языковая модель на архитектуре Mixtral MoE, созданная путём слияния моделей с помощью mergekit. В README указаны Mistral-7B-Instruct-v0.2, neural-chat-7b-v3-16k и bagel-dpo-7b-v0.1 как компоненты слияния. Модель предназначена для генерации связного текста и диалоговых сценариев. В метаданных указаны 7,1 млрд параметров и контекст до 32 768 токенов. Репозиторий содержит веса Safetensors; модель принимает текст и генерирует текст. README сообщает о связной генерации, но не приводит сравнительных оценок качества. Лицензия — CC BY-NC 4.0, использование ограничено некоммерческими целями.

zelk12/MT2-Max-Merge_02012025163610-BB-gemma-2-MT5g4MTM5-9B — объединённая модель генерации текста на базе Gemma 2, созданная методом SLERP с помощью mergekit из zelk12/MT5-Gen4-gemma-2-9B и zelk12/MT-Merge5-gemma-2-9B. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и представлена в формате safetensors для библиотеки Transformers. Модель предназначена для диалоговой генерации текста. Контекст составляет до 8192 токенов. Сведения о поддерживаемых естественных языках, специальных предметных областях и сравнительном качестве в карточке не приведены. Лицензия в предоставленных данных не указана.

Это объединённая методом SLERP модель генерации текста на базе Gemma 2, созданная автором репозитория zelk12 с помощью mergekit. В слиянии участвовали две предварительно обученные модели: zelk12/MT2-Max-Merge_02012025163610-BB-gemma-2-MT5g4MTM5-9B и zelk12/MT2-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMTM4-9B; в конфигурации указаны bfloat16 и параметр смешивания t=0.25. Модель имеет плотную архитектуру Gemma2ForCausalLM и 9 млрд параметров. Она предназначена для генерации текста в диалоговом формате; заявленная длина контекста — до 8192 токенов. Данные карточки не описывают специализированные предметные области или отдельные языковые возможности. Репозиторий содержит веса safetensors и использует библиотеку Transformers; условия лицензии в предоставленных данных не приведены.

zelk12/MT4-Gen5-IF-gemma-2-S2MT3g4-9B — объединённая разговорная языковая модель семейства Gemma 2, созданная методом SLERP с помощью mergekit из zelk12/MT3-Gen4-gemma-2-9B и allknowingroger/Gemmaslerp2-9B. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и принимает текст для генерации продолжений и ведения диалога; контекст составляет 8192 токена. Модель предназначена для интерактивного общения и генерации текста. В репозитории указаны веса safetensors и библиотека Transformers. Сведений о специализированных областях применения или поддерживаемых языках нет. Лицензия в предоставленных данных не указана.

zelk12/MT-Max-Merge_02012025163610-MA-gemma-2-MTM4MT5g4-9B — разговорная языковая модель на архитектуре Gemma 2, созданная слиянием двух предварительно обученных моделей с помощью SLERP и mergekit. Модель содержит 9 млрд параметров и предназначена для генерации текста и ведения диалогов; заявленная длина контекста — 8192 токена. Модель принимает текстовые запросы и генерирует текстовые ответы. Карточка не приводит сведений о целевых языках, специализированных областях применения или сравнительных результатах. Репозиторий распространяет веса в формате safetensors; в конфигурации слияния указана точность bfloat16. Лицензия в предоставленных данных не указана.

zelk12/MT-Merge2-MAMM-gemma-2-9B — объединённая модель для генерации текста и диалогового общения, построенная на архитектуре Gemma 2. Она создана с помощью mergekit методом SLERP из двух моделей: zelk12/MT-Merge2-MM-gemma-2-MT2g2MTg2-9B и zelk12/MT-Merge2-MA-gemma-2-MT4g2MTg2-9B. Модель содержит 9 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — до 8192 токенов. В метаданных указаны поддержка чата и библиотека Transformers. README описывает объединение предварительно обученных языковых моделей, но не уточняет их специализацию или языки. Лицензия модели в предоставленных данных не указана. Карточка описывает способ создания модели, но не приводит оценок качества или подробных ограничений применения.

zelk12/MT-Merge4-BMUGI-gemma-2-9B — объединённая разговорная языковая модель на архитектуре Gemma 2 с 9 млрд параметров. Она создана с помощью mergekit методом SLERP из моделей zelk12/MT-Merge4-BMU-gemma-2-9B и zelk12/MT-Merge4-GI-gemma-2-9B; веса представлены в формате safetensors, библиотека — Transformers. Модель предназначена для генерации текста и ведения диалогов. Она принимает текстовые запросы, выдаёт текст и рассчитана на контекст до 8192 токенов. Данные не уточняют целевые языки или специализированные области применения, поэтому её следует рассматривать как модель общего назначения. Лицензия в предоставленных данных не указана. Сведения о качестве, ограничениях безопасности и результатах оценки также отсутствуют.

zelk12 создал разговорную языковую модель MTM-Merge-GMA-gemma-2-9B слиянием двух предварительно обученных моделей Gemma 2 с помощью метода SLERP и инструментария mergekit. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и предназначена для генерации текста в диалоговом формате; заявленная длина контекста — 8192 токена. Модель подходит для ведения диалогов и генерации ответов на текстовые запросы. В репозитории указаны веса в формате safetensors и библиотека Transformers. Сведений о специализации на конкретной области или поддерживаемых языках в доступных данных нет. Условия использования определяются лицензией Gemma 2; в предоставленных данных конкретная лицензия не приведена.

NeuralMergeTest-001 — объединённая языковая модель на архитектуре Mistral, созданная Kukedlc с помощью LazyMergekit. Она объединяет liminerity/M7-7b, Kukedlc/NeuralKrishna-7B-v3 и Kukedlc/NeuralMarioMonarch-7B-slerp методом dare_ties; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст; сведения о целевых языках и специализации в карточке отсутствуют. Репозиторий содержит веса Safetensors в формате bfloat16. Лицензия — Apache-2.0.

NeuralsirkrishnaShadow_YamPastiche — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/YamPastiche-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста, включая продолжение запросов и диалоговых реплик. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Опубликована в формате Safetensors под лицензией Apache 2.0. Сведений о специализации по языкам и предметным областям в доступных данных нет.

NeuraRP-7B-slerp — диалоговая текстовая модель, созданная stevez80 слиянием NeuralHermes-2.5-Mistral-7B и BuRP_7B методом SLERP. Она предназначена для генерации текста в диалогах и ответов на запросы пользователя. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. Слияние использует разные веса для слоёв внимания и MLP, а результат задан в формате bfloat16. Метаданные отмечают поддержку чата, но карточка не приводит оценки качества или перечень языков, поэтому их нельзя определить по имеющимся сведениям.

Nous Hermes 2 SOLAR 10.7B — чат-модель Nous Research, дообученная на базе Upstage SOLAR-10.7B-v1.0. Для обучения использован набор примерно из миллиона примеров, преимущественно сгенерированных GPT-4, а также данные из открытых наборов. Модель с архитектурой Llama и 10,6 млрд параметров предназначена для генерации текста, диалогов и выполнения инструкций; она использует шаблон ChatML для многоходового общения и поддерживает контекст до 4096 токенов. Модель рассчитана на англоязычные запросы. В карточке приведены результаты нескольких бенчмарков и заявлено улучшение относительно базовой SOLAR-10.7B, однако приведённых данных недостаточно для независимой оценки качества. Распространяется по лицензии Apache-2.0.

openPangu-Embedded-7B — плотная языковая модель с 7,4 млрд параметров от Huawei, обученная с нуля на Ascend NPU. Модель предназначена для диалогов и генерации текста; поддерживает быстрый и медленный режимы рассуждения, причём по умолчанию включён медленный. Для быстрого режима в конце запроса добавляют тег /no_think. В карточке указаны 34 слоя и обучение примерно на 19 трлн токенов. Модель ориентирована на китайский и английский языки и принимает контекст до 32 768 токенов согласно метаданным. В README приведены результаты бенчмарков MMLU-Pro и CMMLU, однако они не гарантируют точность в практических задачах. Лицензия обозначена как other; перед использованием следует проверить условия в репозитории. Разработчик предупреждает, что ответы могут содержать ошибки и не заменяют профессиональные медицинские или юридические рекомендации.

Verdugie/Opus-Candid-27B-V3.5 — разговорная языковая модель, разработанная Verdugie на основе Qwen 3.5 27B Dense. Модель дообучена на 5 358 диалогах, дистиллированных из Claude Opus 4.6, с акцентом на прямой стиль общения, устойчивость к поддакиванию, выраженную индивидуальность, эмоциональную глубину и согласованность в многоходовых диалогах. Заявлены поддержка английского и испанского языков и сценарии генерации текста и общения. Модель имеет плотную архитектуру на 27 млрд параметров. Для дообучения использовались LoRA и rsLoRA с PEFT и TRL, а обучение проводилось в формате bf16 на NVIDIA A100 SXM 80GB. В README отдельно описана оптимизация набора данных под информационную плотность ответов и устойчивость ключевых характеристик при квантизации. Доступны варианты GGUF Q8_0 примерно на 33 ГБ, Q6_K примерно на 25 ГБ и Q4_K_M примерно на 18 ГБ; последний указан как основной целевой вариант и рассчитан на запуск, в частности, на RTX 4090. Сильными сторонами модели заявлены прямолинейный характер ответов, устойчивость личности под давлением, внимание к фактической точности и способность поддерживать нюансированные ответы в эмоциональных, философских и спорных темах. Ограничения включают зависимость качества от выбранной квантизации, отсутствие в README количественных результатов бенчмарков и неизвестный размер контекста. Модель распространяется по лицензии Apache 2.0 и совместима с GGUF-совместимыми средами, включая LM Studio, Ollama, llama.cpp и KoboldCpp; системный промпт, согласно README, не требуется.

jtatman дообучил эту плотную авторегрессионную языковую модель семейства Llama на базе unsloth/llama-3-8b-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста в диалоговом формате. В репозитории указано 7,5 млрд параметров; метаданные задают нативный контекст в 8192 токена и формат весов safetensors. Заявленная лицензия — Apache-2.0. Карточка не описывает специальную предметную область или отдельные ограничения качества.

PESTO-llama-base — дообученная Jake Boggs модель на основе unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для диалогов и генерации текста; заявленная длина контекста — до 131 072 токенов. Модель распространяется в формате Safetensors и использует библиотеку Transformers. README не раскрывает назначение дообучения, обучающий набор данных или результаты оценки, поэтому модель можно описать только как разговорную текстовую модель общего назначения. Лицензия — llama3.1; условия её применения определяются соответствующей лицензией базовой модели.

Piccolo-8x7b — языковая модель для генерации текста, опубликованная пользователем macadeliccc. Она основана на mlabonne/NeuralBeagle-7b и использует архитектуру Mixtral с разреженной смесью экспертов; в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии CC BY 4.0. Модель подходит для генерации продолжений текста и ответов на запросы. В карточке приведены результаты оценки на бенчмарках рассуждений и понимания текста, но не описаны специальные сценарии, поддерживаемые языки или гарантии качества. README также упоминает доступные квантованные версии и ноутбук для инференса и оценки; это не меняет формат весов данного репозитория.

OP12138/qwen3-4b-star1 — дообученная модель Qwen3-4B, созданная на наборе данных star1. Она предназначена для генерации текста и диалогового общения. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 3,7 млрд параметров и контекстное окно до 40 960 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. В карточке не описаны специализация датасета star1, результаты оценки или дополнительные ограничения. Лицензия указана как other, поэтому конкретные условия использования следует сверить с лицензией репозитория и базовой модели.

Qwen3.8-27B — причинная языковая модель семейства Qwen3.5 с 27 млрд параметров, разработанная командой Qwen и размещённая пользователем fatymahaly. Репозиторий содержит веса в формате Safetensors; модель предназначена для генерации текста и диалогового взаимодействия, включая работу через интерфейс вызова инструментов. Модель принимает текст и генерирует текст. В карточке указан английский язык. Использование описано через библиотеку Hugging Face Transformers. Репозиторий распространяется по лицензии Apache-2.0. README не описывает контекстное окно, качество на конкретных задачах или ограничения применения; поддержка вызова инструментов обозначает интерфейсную возможность и сама по себе не гарантирует корректное выполнение действий.

Rabbit-7B-DPO-Chat — диалоговая языковая модель на архитектуре Mistral, созданная viethq188. Модель получена слиянием AIDC-ai-business/Marcoroni-7B-v3 и rwitz/go-bruins-v2 методом SLERP с последующим обучением DPO на данных Hugging Face. Для общения можно использовать шаблон Alpaca. Модель предназначена для генерации текста в диалогах и ответов на запросы. Она содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате PyTorch. Лицензия — Apache-2.0. В карточке не описаны языки обучения или специальные предметные области; качество и ограничения модели README не уточняет.

zelk12/recoilme-gemma-2-Ataraxy-9B-v0.2 — разговорная языковая модель на архитектуре Gemma 2, созданная разработчиком zelk12 с помощью слияния SLERP двух моделей zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25 и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.75. Модель содержит 9 млрд параметров, работает с текстом и рассчитана на контекст до 8192 токенов. Она предназначена для генерации текста и диалоговых сценариев. Опубликована в формате safetensors для библиотеки Transformers. В README приведены результаты Open LLM Leaderboard, включая IFEval 76,00 и BBH 43,63; других подтверждённых сведений о сильных сторонах модели нет. В предоставленных материалах лицензия и поддерживаемые языки не указаны. Результаты бенчмарков не гарантируют качество в конкретном применении; контекст ограничен 8192 токенами.