III.2Исследование рынка и маркетинг

Eros_Scribe-10.7b-V.02 — объединённая языковая модель, созданная OmnicromsBrain с помощью LazyMergekit из OmnicromsBrain/ToppyCox-7B и OmnicromsBrain/EverythingBagel-DPO-7B. Веса объединены методом passthrough: в итоговую модель включены слои 0–24 первой модели и слои 8–32 второй. Модель построена на архитектуре Mistral и содержит около 10,6 млрд параметров. Модель предназначена для генерации текста и диалогов; базовые модели также описаны как подходящие для творческого ролевого общения. Поддерживается контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors с точностью float16. Лицензия в предоставленных данных не указана.

Eurstoria-106B — разговорная модель генерации текста на архитектуре Llama 3, созданная объединением моделей Steelskull/L3-MS-Astoria-70b и Sao10K/L3-70B-Euryale-v2.1 методом passthrough merge. Модель содержит 105,4 млрд параметров и рассчитана на работу с контекстом до 8192 токенов; для общения подходит формат Llama 3 Instruct. Модель предназначена для генерации ответов и ролевых диалогов. В метаданных указана поддержка чата, а базовая модель описана как англоязычная. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

Experiment26Neuralsirkrishna_Inex12Experiment28 — объединённая модель, созданная из automerger/Experiment26Neuralsirkrishna-7B и automerger/Inex12Experiment28-7B. Она использует плотную архитектуру Mistral с 7,1 млрд параметров и предназначена для генерации текста, включая диалоги, с контекстом до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке указана лицензия Apache-2.0. README и метаданные не описывают конкретные преимущества или результаты оценки качества.

jaspionjader/fct-14-8b — разговорная языковая модель на архитектуре Llama, созданная слиянием методом SLERP через mergekit. В объединение вошли FuseAI/FuseChat-Llama-3.1-8B-Instruct и jaspionjader/fct-13-8b; модель содержит около 7,5 млрд параметров и использует формат safetensors. Модель предназначена для генерации текста в диалогах и ответов на инструкции. Контекст составляет до 8192 токенов. Карточка описывает способ слияния, но не приводит отдельной оценки качества или подробных результатов тестирования. Лицензия в доступных данных не указана.

Fialka-7B-v3 — русскоязычная языковая модель, разработанная авторами семейства Fialka на основе Llama 2 и обученная следовать инструкциям и поддерживать диалог на русском языке. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 6,6 млрд параметров. Модель предназначена для генерации ответов на запросы и ведения общения на русском языке. В README указан формат запросов Zephyr. Контекст составляет 4096 токенов; модель распространяется в формате safetensors по лицензии Apache 2.0. Модель ориентирована на русский язык и может быть полезна для русскоязычных диалоговых и инструкционных сценариев. Карточка не приводит результаты оценивания качества или подробные сведения об ограничениях; возможности за пределами текстовой генерации не заявлены.

FLOR-1.3B-Instructed — причинная языковая модель на архитектуре BLOOM, разработанная подразделением Language Technologies Unit Барселонского суперкомпьютерного центра в рамках проекта AINA. Модель содержит 1,7 млрд параметров по метаданным и рассчитана на генерацию текста; контекст составляет до 4096 токенов. Модель предназначена для инструкционных сценариев, включая суммаризацию, ответы на вопросы и творческое письмо. Она адаптирована для каталонского, испанского и английского языков на основе BLOOM-7.1B: изменены словарь и слой эмбеддингов, затем модель дополнительно обучалась на целевых языках и дообучалась на наборах инструкций. Репозиторий содержит веса в формате safetensors. Разработчик сообщает, что модель устарела и больше не поддерживается. Возможны смещения и нежелательные искажения, поскольку обучающие данные собирались из веб-источников; оценка токсичности и смещений не проводилась. Лицензия — Apache 2.0.

FloraBase — объединённая языковая модель, опубликованная пользователем jeiku. Она создана методом SLERP с помощью mergekit из моделей SpecialEdition и Remix, используя SpecialEdition как базовую модель. Модель построена на архитектуре Mistral с плотной причинной языковой сетью и содержит 7,1 млрд параметров. Модель предназначена для генерации текста; заявленная длина контекста составляет 32 768 токенов. Веса опубликованы в формате Safetensors. README и метаданные не уточняют языковую специализацию, качество на конкретных задачах или условия лицензирования.

full_vanilla_dpo_iter_1 — диалоговая языковая модель, дообученная на базе alignment-handbook/zephyr-7b-sft-full на обновлённом и исходном наборах данных. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; её основная задача — генерация текста в чате. Заявленная длина контекста составляет 32 768 токенов. Модель подходит для ведения диалога и генерации ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors. Лицензия — Apache 2.0. README не приводит сведений о конкретных сценариях, оценке качества или специальных ограничениях модели.

Gama-12B — языковая модель объёмом 12 млрд параметров, представленная в формате GGUF. Базовая модель rodrigomt/gama-12b разработана на основе семейства Gemma; данная версия подготовлена и квантизирована mradermacher с использованием weighted/imatrix quantization. В метаданных указаны английский и португальский языки, а также поддержка генерации текста и диалоговых сценариев. Модель предназначена для локального запуска в задачах текстовой генерации и conversational-приложениях, включая ответы на запросы и ведение диалога. README также указывает на наличие vision-возможностей, однако конкретные поддерживаемые визуальные задачи и параметры мультимодального контекста не описаны. Длина контекста, точная архитектура и дополнительные характеристики не указаны. Доступно множество вариантов квантизации размером примерно от 3,0 до 9,8 ГБ. Более компактные варианты требуют меньше памяти, но могут заметно уступать в качестве; среди рекомендуемых отмечены i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как компромисс между размером, скоростью и качеством. Модель распространяется по лицензии Gemma. Для использования GGUF-файлов требуется совместимое программное обеспечение.

Gemma2-9b-it-train5 — разговорная языковая модель семейства Gemma 2, разработанная ehristoforu и дообученная на базе ehristoforu/Gemma2-9b-it-train4. Это плотная модель с 9 млрд параметров для генерации текста и диалога; заявленный контекст составляет 8192 токена. Для обучения использовались Unsloth и Hugging Face TRL, а среди данных указан набор Wikimedia/Wikipedia на английском языке. Модель подходит для диалоговых ответов и генерации текста на английском языке. Она распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не сообщает результаты оценки качества или специфические ограничения, поэтому их нельзя определить по доступным сведениям.

Это испаноязычная адаптация Gemma 4 E4B Instruct для латиноамериканского варианта испанского, подготовленная Servicios Tecnológicos AVIM SpA в Сантьяго-де-Чили. Модель создана продолжительным предобучением на корпусе LatamGPT и распространяется здесь как объединённые веса адаптера в формате MLX. Модель предназначена для диалога и генерации текста на испанском языке, в том числе с латиноамериканской лексикой и контекстом. В репозитории находятся только веса текстовой башни: модулей обработки изображений и аудио нет, несмотря на унаследованные поля в конфигурации. Указано 7,463 млн параметров. Модель загружается через mlx-lm на Apple silicon и несовместима с Transformers. При генерации mlx-lm не фильтрует канал рассуждений Gemma 4, поэтому приложению нужно отделять его от ответа пользователю; этот канал обычно расходует 350–450 токенов. Модель может уверенно галлюцинировать о конкретных нормативных актах, поэтому такие сведения требуют внешней проверки. Представленность стран и тем в обучающих данных неодинакова; корпус также может содержать остаточные персональные данные. Лицензия — Apache 2.0.

Sumail/Golden_Waves07_2b — объединение двух предварительно обученных языковых моделей tomaszki/gemma-29 и tomaszki/gemma-30, созданное разработчиком с помощью mergekit методом SLERP. Это плотная авторегрессионная модель семейства Gemma с архитектурой GemmaForCausalLM, примерно 2,5 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие. Репозиторий использует библиотеку Transformers и формат весов safetensors; нативный контекст составляет 8192 токена. Модель подходит для генерации продолжений текста и ведения диалога. Данные карточки не уточняют поддерживаемые естественные языки, специальные предметные области или сравнительное качество модели. Условия лицензии в предоставленных сведениях не описаны.

QuantFactory/granite-7b-lab-GGUF — квантизированная версия модели instructlab/granite-7b-lab, созданная с использованием llama.cpp. В основе лежит IBM Granite-7b-base, а сама модель разработана на базе исследовательского метода IBM Research Large-scale Alignment for chatBots (LAB) с применением Mixtral-8x7B-Instruct в качестве модели-учителя. Модель предназначена для генерации текста и диалоговых сценариев, включая работу со знаниями, базовыми навыками рассуждения и композиционными задачами, такими как творческое письмо. Метод LAB использует таксономически организованные синтетические данные, двухфазное обучение и replay buffer, что позволяет добавлять знания и навыки с меньшим риском катастрофического забывания. Указан английский язык; размер базовой модели — 7B параметров. Другие характеристики, включая длину контекста и поддерживаемые модальности, в карточке не указаны. В качестве сильных сторон заявлены эффективное выравнивание на синтетических данных и широкий охват задач. В приведённом сравнении Granite-7b-lab показывает средний результат 6,69 на MTBench и 51,91 на MMLU (5-shot), однако эти показатели относятся к исходной модели и не обязательно отражают поведение данной GGUF-квантизации. К ограничениям относятся неизвестные параметры квантизации и отсутствие подробностей о производительности, требованиях к ресурсам и безопасной эксплуатации. Модель распространяется по лицензии Apache-2.0.

h2o-danube-1.8b-chat — диалоговая языковая модель H2O.ai с примерно 1,8 млрд параметров, дообученная по схемам SFT и DPO на базе h2o-danube-1.8b-base. Она предназначена для генерации ответов в чат-диалогах и общих текстовых задач. Модель использует плотную архитектуру на основе Llama 2 с механизмом скользящего окна внимания Mistral размером 4096 токенов и поддерживает контекст до 16 384 токенов. Модель обучалась с помощью H2O LLM Studio; в карточке указаны английский язык и наборы данных для диалогов, общих инструкций, предпочтений и математических задач. В README приведены результаты тестирования на задачах здравого смысла, знаний и понимания текста, однако точность ответов не гарантируется: модель может выдавать неверные, бессмысленные или предвзятые ответы и неподходящий контент. Лицензия — Apache-2.0.

Tech-Meld/HX-Mistral-1.5B_v0.2 — языковая модель семейства Mistral, созданная методом линейного слияния в mergekit на основе Mistral-7B-Instruct-v0.2. В репозитории указано 1,9 млрд параметров; архитектура — плотная авторегрессионная MistralForCausalLM, библиотека — Transformers, веса представлены в safetensors. Модель предназначена для диалоговой генерации текста и ответов на запросы; поддерживает контекст до 32 768 токенов. Её можно применять для диалоговых интерфейсов, черновиков и кратких текстовых ответов. Карточка не описывает отдельную специализацию или результаты оценки качества. Лицензия в предоставленных данных не указана.

Janus-7B — языковая модель KAIST AI на архитектуре Mistral, дообученная методом supervised fine-tuning на всех 196 тысячах примеров датасета Multifaceted-Collection-SFT. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Janus предназначена для генерации ответов с учётом инструкций и предпочтений, заданных в системном сообщении. Её можно применять для персонализированных ответов и диалоговых сценариев, где важны полезность и безвредность ответа. README описывает поддержку английского языка; модель принимает текстовые инструкции и выдаёт текст. Модель распространяется по лицензии Apache 2.0. Качество и соответствие ответов заданным предпочтениям зависят от формулировки системного сообщения; отдельных гарантий для конкретных прикладных областей в карточке не заявлено.

J.O.S.I.E.3-Beta8-slerp — диалоговая языковая модель на базе Mistral 7B, созданная слиянием HuggingFaceH4/mistral-7b-anthropic и HuggingFaceH4/mistral-7b-grok. Разработчик выполнил слияние методом SLERP с помощью LazyMergekit; модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге: она принимает текстовые запросы и формирует текстовые ответы. В README отмечено, что вариант Beta8 показал слабые результаты в упомянутом рейтинге LLM Leaderboard; сравнительные подробности и конкретные показатели не приведены. Лицензия — Apache 2.0.

ko-en-llama2-13b — авторегрессионная языковая модель на архитектуре Llama 2, разработанная Hyunseok Lee и Taeyoung Kim из KAIST AIinLab и omnious.ai. Это дообученная версия Llama-2-13B с 12,9 млрд параметров, предназначенная для генерации текста на корейском и английском языках; обучение было направлено на освоение корейского корпуса при сохранении возможностей модели в английском. В качестве данных использовались открытые материалы Wikipedia и AIHub на английском и корейском языках. Модель принимает текст и генерирует текст. Она построена на Transformers и PyTorch, имеет контекстное окно 2048 токенов. В карточке указано, что обучение ещё продолжалось. Лицензия в доступных данных не указана.

testmod/koen-llama2-13b-avg_testver — авторегрессионная языковая модель на архитектуре трансформера LLaMA 2, опубликованная в формате Safetensors. Она генерирует текст по текстовому вводу и предназначена для задач генерации текста. В README указано, что веса получены линейной интерполяцией моделей, дообученных на инструкционных датасетах; базовая модель — hyunseoki/ko-en-llama2-13b. Модель содержит 12,9 млрд параметров, использует библиотеку Transformers и имеет контекст длиной до 4096 токенов. В метаданных указан корейский язык. Репозиторий предоставляет веса по лицензии Apache 2.0.

L3-15B-Stheno-Passthrough — разговорная языковая модель на архитектуре Llama, созданная jsfs11 с помощью LazyMergekit путём слияния моделей Sao10K/L3-8B-Stheno-v3.1 и Sao10K/L3-8B-Stheno-v3.2. Модель содержит 14,5 млрд параметров, работает с текстом и поддерживает контекст до 8192 токенов. Она предназначена для генерации текста и диалогов, включая ролевые беседы и написание историй. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка помечает её как не предназначенную для всех аудиторий; практическое качество и поведение могут зависеть от сценария использования.

TInkybala/llama-3.1-8b-finetune-test-merged — дообученная языковая модель TInkybala на архитектуре Llama 3.1 с 7,5 млрд параметров. В качестве базовой модели указана unsloth/meta-llama-3.1-8b-unsloth-bnb-4bit; обучение проводилось с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста и может использоваться в сценариях диалога и создания текстовых ответов. Метаданные указывают английский язык и контекст до 131 072 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения или результаты оценки качества.

cstr/llama3.1-8b-spaetzle-v74 — это текстовая генеративная модель семейства Llama 3.1, созданная автором репозитория cstr путём слияния четырёх моделей серии Spaetzle: v59, v63, v66 и v73. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 131 072 токенов. Модель предназначена для диалоговой генерации текста, ответов на вопросы и работы с каверзными вопросами на английском и немецком языках. В карточке приведены результаты EQ-Bench v2: 75,27 для английского и 68,05 для немецкого; автор отмечает, что ответы на некоторые каверзные вопросы получаются удачными. Метаданные указывают поддержку интерфейса вызова инструментов. Модель распространяется в формате safetensors под лицензией Llama 3.1. Это слияние ранее опубликованных чекпойнтов, а не конверсия или новое обучение; сведения о тренировочных данных наследуются от составляющих моделей и не полностью прослеживаются по карточке.

Llama-3-8B-saiga-suzume-ties — объединённая авторами модель на основе Llama 3 8B Instruct, созданная методом TIES с помощью LazyMergekit. В слияние вошли IlyaGusev/saiga_llama3_8b и lightblue/suzume-llama-3-8B-multilingual; в конфигурации также указана базовая модель NousResearch/Meta-Llama-3-8B-Instruct. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат Safetensors. Модель предназначена для генерации текста и диалогового общения на русском и английском языках. Максимальная длина контекста — 8192 токена. README не приводит примеров или результатов оценки качества, поэтому нельзя судить о преимуществах слияния и надёжности ответов. Лицензия — Llama 3.

SKYEEEE/llama3-Ko-3-8B-finetuned_ver2 — чат-модель для генерации текста, созданная SKYEEEE дообучением beomi/Llama-3-Open-Ko-8B-Instruct-preview. Она основана на плотной архитектуре Llama и содержит 7,5 млрд параметров; карточка указывает обучение с Unsloth и библиотекой TRL. Модель предназначена для диалоговых ответов и генерации текста. Базовая модель ориентирована на корейский и английский языки; метаданные этой модели отмечают английский. Контекстное окно составляет 8192 токена. Модель распространяется под лицензией Apache-2.0.

uygarkurt/llama-3-merged-linear — объединённая разговорная модель семейства Llama, созданная автором репозитория с помощью Mergekit. По README, для слияния выбрали три лучшие модели Llama 3 из открытого рейтинга LLM и объединили их без дополнительного обучения; конкретные исходные модели не названы. Модель предназначена для генерации текста и диалогового общения. Это плотная авторегрессионная архитектура LlamaForCausalLM размером 7,5 млрд параметров с контекстом до 8192 токенов; репозиторий содержит веса Safetensors и рассчитан на Transformers. Языки, на которых модель уверенно работает, в предоставленных данных не указаны. Модель распространяется по лицензии MIT. README описывает способ создания, но не приводит сравнительных оценок качества или подробных ограничений; заявленное автором улучшение рейтинга не подтверждено приведёнными в карточке результатами.

Cas-Warehouse/Llama-3-SOVL-MopeyMule-Blackroot-8B — текстовая генеративная модель, созданная слиянием моделей Casual-Autopsy с помощью mergekit. В основе с весом 0,75 использована Casual-Autopsy/Llama-3-MopeyMule-Blackroot-8B, а Casual-Autopsy/Llama-3-SOVL-MopeyMule-8B добавлена с весом 0,25 методом task arithmetic. Модель построена на плотной архитектуре Llama и классе LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Она предназначена для генерации текста и диалогового взаимодействия. В репозитории указаны формат safetensors и библиотека Transformers; языки и специализированные области применения в предоставленных данных не описаны. Лицензия в предоставленных данных не указана. Качество и поведение слияния зависят от исходных моделей и весов, использованных при объединении.

Riblockee/llama_finetune_16bit — дообученная модель семейства Llama, разработанная Riblockee на базе unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit. Это плотная авторегрессионная языковая модель с архитектурой LlamaForCausalLM и примерно 3,2 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Метаданные указывают контекстное окно 131 072 токена и поддержку английского языка. Модель обучалась с использованием Unsloth и библиотеки TRL. Её можно применять для диалогов и генерации ответов на текстовые запросы. В метаданных также отмечен интерфейс вызова инструментов, но подробности его обучения и работы в карточке не описаны. Модель распространяется под лицензией Apache-2.0. README не сообщает, на каких данных и для каких узких задач выполнялось дообучение, поэтому качество в конкретных областях по карточке оценить нельзя.

llm-jp-3.1-8x13b-32K — языковая модель, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это вариант llm-jp-3.1-8x13b с продолженным предобучением на дополнительных 50 млрд токенов для увеличения контекста с 4K до 32K токенов. Модель построена на архитектуре Mixtral MoE с восемью экспертами, из которых активируются два; в метаданных указан размер 13,2 млрд параметров. Веса доступны в формате Safetensors для Transformers. Модель предназначена для генерации текста и диалогов с выполнением инструкций, в частности на японском и английском языках. Увеличенное окно контекста подходит для работы с длинными запросами и документами. Модель развивает серию LLM-jp-3.1, обученную на многоязычных данных, а инструкция-ориентированное промежуточное обучение улучшает следование указаниям. Разработчики отмечают, что модель находится на раннем этапе исследований и разработок и не была настроена для гарантированного соответствия человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.

LongForm-OPT-350M — языковая модель семейства OPT, дообученная авторами LongForm на наборе LongForm для генерации длинных текстов по инструкциям. Набор включает документы из C4 и Wikipedia, примеры из Stack Exchange и WikiHow, а также задания на ответы на вопросы, написание писем, исправление грамматики, создание историй и стихотворений и суммаризацию. Модель предназначена для генерации длинных текстов, в том числе рецептов, развернутых ответов и коротких рассказов. Она содержит 454,1 млн параметров, принимает текст и генерирует текст; контекст — до 2048 токенов. В карточке указаны английский и многоязычная поддержка, а также немецкий, итальянский, испанский и французский языки; обучение LongForm описано на английских примерах. Модель представлена в формате PyTorch. Сравнительная оценка в README сообщает о преимуществах LongForm над некоторыми моделями с настройкой по инструкциям в задачах длинной генерации. Модель склонна к галлюцинациям и ограничена в задачах структурированного предсказания. Лицензия в предоставленных данных не указана.

ClaudioItaly/Magdala-9B — слияние языковых моделей, созданное автором с помощью mergekit и метода Model Stock на основе ClaudioItaly/Vangelus-Secundus. В состав слияния вошли ClaudioItaly/1800-9B, ClaudioItaly/Vangelus-Secundus, jsgreenawalt/gemma-2-9B-it-advanced-v2.1, mehmetkeremturkcan/oblivionsend, sam-paech/Delirium-v1 и sam-paech/Quill-v1. Модель построена на архитектуре Gemma 2 с плотной авторегрессионной архитектурой и содержит 9 млрд параметров. Она предназначена для диалоговой генерации текста; каталог также отмечает поддержку чата. Контекст составляет 8192 токена. Модель распространяется в формате safetensors и использует библиотеку Transformers. Данные карточки не описывают отдельно языки, специализированные области или конкретные ограничения качества. Лицензия в предоставленных сведениях не приведена.