III.2Исследование рынка и маркетинг

Qwen3.8-27B antislop, semantic-diversity GRPO — плотная текстовая чат-модель на 27 млрд параметров, созданная сообществом rawmodels на базе Qwen/Qwen3.8-27B. Веса последовательно дообучались с помощью дистилляции и GRPO: модель настраивали на более естественный и читаемый текст, разнообразие ответов на один и тот же запрос и выполнение запросов. Основная задача в метаданных — генерация текста; карточка сообщает о поддержке английского и русского языков. Модель предназначена для диалогов и создания связных ответов, в том числе в сценариях, где важны читаемость и различие формулировок. В эксперименте на 24 вопросах ELI5 авторы сообщают о повышении семантического разнообразия и показателя Flesch reading ease, а также о сокращении максимальной длины предложения; размер выборки невелик, поэтому эти результаты не гарантируют аналогичного эффекта в других задачах. Используется библиотека Transformers, формат весов — safetensors. Модель почти не имеет защитного поведения: по данным карточки, она выполняет около 90% вредоносных запросов из AdvBench. Не следует использовать её там, где необходим отказ от небезопасных инструкций. Лицензия в предоставленных данных не указана.

Модель mahiatlinux/qwen_finetune_16bit — дообученная плотная языковая модель семейства Qwen3, опубликованная mahiatlinux. Она создана на базе unsloth/Qwen3-4B-Base с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для генерации текста и диалогового взаимодействия; в репозитории указано около 3,7 млрд параметров и контекст до 32 768 токенов. Модель принимает текст и генерирует текст. В метаданных указан английский язык. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0. README не описывает специализацию дообучения или результаты оценки качества, поэтому назначение модели следует считать общим.

RWKV/RWKV7-Goose-World3-2.9B-HF — языковая модель RWKV-7, разработанная Бо Пэном, Юй Чжаном, Сонглином Яном и Жуйчуном Чжаном при поддержке RWKV Project. Это плотная авторегрессионная модель для генерации текста и диалогов, представленная в формате flash-linear attention и доступная через Transformers и safetensors. В метаданных указано 3,1 млрд параметров, в README — 2,9 млрд; контекст составляет 2048 токенов. Модель основана на BlinkDL/rwkv-7-world и дообучена на World v3, содержащем 3,119 трлн токенов. Она предназначена для генерации продолжений текста и ведения диалогов; карточка описывает английский язык, а метаданные каталога также указывают китайский, японский, корейский, французский, арабский, испанский и португальский. Лицензия Apache-2.0. Для запуска README рекомендует flash-linear-attention 0.3.0 и Transformers версии не ниже 4.48.0.

SEA-LION-7B-IT-Research — инструктивно дообученная большая языковая модель, разработанная командой Products Pillar организации AI Singapore при финансировании NRF Singapore. Это декодер на архитектуре MPT с 7 млрд параметров, словарём размером 256 тыс. токенов и токенизатором SEABPETokenizer на основе BPE. Базовая модель предварительно обучалась на 980 млрд токенов, а эта версия дополнительно дообучена на инструкциях на индонезийском языке. Модель предназначена для генерации ответов и выполнения инструкций с учётом языкового и регионального контекста Юго-Восточной Азии. В карточке заявлена поддержка английского, китайского, индонезийского, малайского, тайского, вьетнамского, филиппинского, тамильского, бирманского, кхмерского и лаосского языков. В оценке на индонезийских задачах модель показала результаты в классификации тональности, ответах на вопросы, переводе, суммаризации и рассуждениях; это экспериментальная исследовательская версия, и качество зависит от задачи и языка. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая не разрешает коммерческое использование. В карточке указано, что модель не была настроена на безопасность, поэтому при практическом использовании необходимы собственная проверка и меры безопасности.

SenseNova-U1.5-8B-MoT-SFT — мультимодальная модель SenseNova для генерации и редактирования изображений по текстовым инструкциям и визуальным примерам. Это вариант с supervised fine-tuning из семейства SenseNova-U1.5, построенный на NEO-unify; карточка указывает архитектуру NEOChat и размер 8B в названии. Модель принимает текст и изображения, а выдаёт изображения; официальная карточка также обозначает её как any-to-any. Для запуска предусмотрена реализация на Transformers, а веса опубликованы в формате safetensors. Модель подходит для создания иллюстраций, постеров, инфографики и брендовых материалов, а также для локального редактирования изображений, вставки и замены объектов. Она следует сложным инструкциям с ограничениями по композиции, числу объектов и пространственным отношениям, поддерживает контроль областей через рамки и визуальные маркеры, а также нативную генерацию до 4K. Заявлены английский и китайский языки; модель особенно ориентирована на визуальные задачи с текстом на этих языках. Известные ограничения: надписи, особенно мелкие, длинные и смешанные китайско-английские, могут содержать ошибки; сложная верстка, точные количества объектов, детали людей и редактирование с множеством областей могут быть нестабильны. Лицензия — Apache-2.0.

sfm_filtered_e2e_alignment-4k_5k_6k_7k_8k_weightedavg_merge — объединение языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой использована модель на шаге обучения global_step8000; в объединение также вошли чекпойнты global_step4000, global_step5000, global_step6000 и global_step7000 из серии filtered_e2e_alignment. Автор карточки — yuhengtu из ByteDance. Модель имеет плотную архитектуру GPT-NeoX с 8,8 млрд параметров, принимает текст и предназначена для генерации текста и диалогового использования. Нативная длина контекста составляет 16 384 токена. Веса доступны в формате safetensors для библиотеки Transformers. Карточка не приводит сведений о поддерживаемых естественных языках, специализированных областях, оценке качества или конкретных ограничениях поведения. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста, созданная с помощью mergekit методом Linear merge из нескольких предварительно обученных чекпойнтов. В качестве базового использован чекпойнт global_step12130; в объединение также вошли версии global_step11000 и global_step10000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и рассчитана на контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает специализированные области применения, языки или результаты оценки качества. Файлы представлены в формате safetensors; лицензия в доступных данных не указана.

Shisa 7B v1 — двуязычная чат-модель общего назначения, разработанная Augmxnt для японского и английского языков. Она предназначена для диалога, ответов на вопросы и выполнения инструкций на этих языках. Модель построена на плотной архитектуре MistralForCausalLM с 7,5 млрд параметров и контекстом до 32 768 токенов. В основе лежит Mistral 7B с расширенным токенизатором, оптимизированным для японского языка; базовая модель прошла дополнительное предобучение преимущественно на японских данных, затем была дообучена на синтетических англо-японских данных и предпочтениях пользователей. Доступна в формате safetensors. Модель рассчитана на генерацию связных ответов и демонстрирует хорошее владение японским при сохранении возможностей английского. Она может галлюцинировать, хуже крупных моделей следует сложным инструкциям и рассуждает менее эффективно; в японском встречаются неестественные формулировки и ошибки, также возможно переключение на другой язык. Лицензия Apache 2.0 допускает коммерческое и иное использование.

WesPro/StarCaptain_Commander08_32B — объединённая модель для генерации текста и диалогового общения. Она создана сообществом WesPro методом SLERP с помощью mergekit на основе TheDrummer/Star-Command-R-32B-v1 и WesPro/C4AI_Adventure_CaptainCommand08_32B. Модель имеет плотную архитектуру CohereForCausalLM и 32,3 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Базовые модели связаны с ролевым общением и генерацией текста, поэтому модель может подойти для диалоговых и ролевых сценариев. В репозитории используются веса Safetensors, а для работы указана библиотека Transformers. Сведения о лицензии, языках и специальных ограничениях качества в предоставленных данных отсутствуют.

Stealth-FusionGrit-7b-Slerp-Exp — разговорная языковая модель, созданная powermove72 путём слияния jan-hq/stealth-v1.3 и powermove72/FusionGrit-7B с помощью LazyMergekit. Она предназначена для генерации текста и диалоговых ответов. Модель построена на плотной архитектуре Mistral и содержит 8,9 млрд параметров; заявленный контекст — до 32 768 токенов. Модель распространяется в формате Safetensors. Карточка указывает на слияние слоёв двух исходных моделей и использование float16. Метаданные описывают Stealth v1.3 как англоязычную разговорную модель; данных о языках и возможностях второй модели в предоставленных материалах нет. Лицензия в доступных источниках не указана.

StrangeMerges_5-7B-ties — англоязычная разговорная модель для генерации текста, созданная объединением моделей методом TIES с помощью LazyMergekit. В конфигурации указаны mncai/mistral-7b-dpo-v5 как базовая модель и Gille/StrangeMerges_1-7B-slerp и BarryFutureman/NeuralTurdusVariant1-7B как объединяемые модели. Архитектура — плотная MistralForCausalLM на 7,1 млрд параметров; модель принимает текст, а контекстное окно составляет 32 768 токенов. Модель предназначена для диалогов и генерации текстовых ответов. README приводит результаты Open LLM Leaderboard, включая средний балл 73,89, но без полного набора результатов в предоставленной карточке. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Карточка модели espressovi/SUTRA-qwen3-8b-rlvr-prefix на Hugging Face совпадает с карточкой espressovi/SUTRA-qwen3-8b-rlvr, поэтому описание составлено по ней. SUTRA — языковая модель, разработанная для проекта SUTRA и дообученная методом обучения с подкреплением на основе Qwen3-8B-Base. Это плотная авторегрессионная модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалоговом формате. В карточке указано обучение на наборе espressovi/BODHI-rlvr; модель поддерживает контекст до 32 768 токенов и работает с текстом на английском языке. Модель подходит для генерации ответов и ведения текстового диалога. Опубликована в формате safetensors под лицензией MIT. Карточка не описывает результаты оценки качества или дополнительные ограничения применения.

T3Q-DPO-Mistral-7B — текстовая генеративная модель, разработанная Chihoon Lee (chlee10) и T3Q. Это версия liminerity/M7-7b, дообученная методом DPO на наборе предпочтений Intel/orca_dpo_pairs для генерации текста и диалоговых ответов. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В метаданных указан английский язык. Модель опубликована в формате safetensors по лицензии Apache-2.0.

T3qm7xNeuralsirkrishna_Strangemerges_30Experiment26 — объединённая модель для генерации текста на архитектуре Mistral, созданная путём слияния automerger/T3qm7xNeuralsirkrishna-7B и automerger/Strangemerges_30Experiment26-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она подходит для генерации продолжений и ведения текстовых диалогов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Сведения о специализированных областях применения и поддерживаемых языках в карточке отсутствуют.

T3Q-Merge-SOLAR — плотная авторегрессионная языковая модель семейства Llama, созданная Chihoon Lee и T3Q путём слияния через mergekit моделей davidkim205/komt-solar-10.7b-sft-v5 и hwkwon/S-SOLAR-10.7B-SFT-v1.2. Для объединения использован метод SLERP с разными коэффициентами смешивания для слоёв self-attention и MLP; базовой моделью в конфигурации указана davidkim205/komt-solar-10.7b-sft-v5. Модель содержит 10,7 млрд параметров, принимает текст и генерирует текст. Она предназначена для генерации продолжений и ответов в сценариях, соответствующих возможностям объединённых SFT-моделей. Контекст составляет 4096 токенов. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0. README не уточняет языковую специализацию и не приводит результатов оценки качества.

NLPark/Test0_SLIDE — диалоговая языковая модель семейства Llama для генерации текста. В карточке она названа ранним предварительным выпуском серии LLM v3; упоминаются продукты Shi-Ci, AnFeng и Cecilia. По метаданным модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и библиотеку Transformers, поддерживает контекст до 8192 токенов и рассчитана на диалоговое применение. Модель подходит для генерации ответов в чате и выполнения текстовых инструкций. README указывает китайский язык, а метаданные — английский; базовая модель описана как дообученная для ответов на китайском и других инструкционных задачах. Репозиторий связан с UnicomLLM/Unichat-llama3-Chinese-8B слиянием моделей. Лицензия CC BY-NC-SA 4.0 разрешает использование с указанием авторства и на аналогичных условиях, но ограничивает коммерческое применение.

vulong3896/topic_classifier — модель классификации текста на основе DistilBERT, дообученная на distilbert/distilbert-base-multilingual-cased. Она предназначена для отнесения текстов к темам и другим заданным классам; конкретные категории и сценарии применения в карточке не описаны. Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и выдаёт метку класса. Максимальная длина контекста — 512 токенов; репозиторий содержит веса в формате safetensors. Базовая модель многоязычная, поэтому модель подходит для классификации текстов на разных языках, хотя конкретные поддерживаемые языки не перечислены. На оценочном наборе указаны accuracy 0,8869 и loss 1,2182, но набор данных и методика оценки не описаны, поэтому эти результаты нельзя напрямую переносить на другие данные. Лицензия — Apache-2.0.

ToppyCox-7B — языковая модель на базе архитектуры Mistral, созданная Omnicroms посредством слияния Undi95/Toppy-M-7B и N8Programs/Coxcomb методом slerp с помощью LazyMergekit. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текстовые ответы; длина контекста — до 32 768 токенов. Модель предназначена для генерации ответов по инструкциям и ролевых диалогов, в том числе с контентом для взрослых. В репозитории опубликованы веса Safetensors; в README также упомянуты квантованные версии GGUF. Лицензия в предоставленных данных не указана.

bullerwins/translategemma-4b-it-GGUF — GGUF-версия TranslateGemma 4B Instruct, разработанная Google Translate на основе семейства Gemma 3. Модель предназначена для перевода текста между 55 языками, а также для извлечения текста с изображений и его перевода. Благодаря относительно небольшому размеру она ориентирована на запуск на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре с ограниченными ресурсами. Модель поддерживает текстовые и визуальные входные данные: изображения нормализуются до разрешения 896×896 и кодируются в 256 токенов, общий входной контекст составляет 2K токенов. Для работы требуется специальный шаблон чата с ролями User и Assistant, указанием исходного и целевого языка в кодах ISO 639-1 или регионализированном формате. Сильными сторонами являются поддержка широкого набора языков, мультимодальный перевод и компактность. Ограничения включают фиксированный контекст, необходимость соблюдения формата входных сообщений и отсутствие в предоставленных данных подробностей о качестве, требованиях к памяти и характеристиках GGUF-квантизации. Модель распространяется по лицензии Gemma; для доступа на Hugging Face требуется принять условия использования Google.

TwinLlama-3.1-8B-DPO — диалоговая модель генерации текста, разработанная goncalocapelalopes и дообученная на базе goncalocapelalopes/TwinLlama-3.1-8B. Она основана на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для диалоговых ответов и генерации текста на английском языке; заявленная длина контекста — 131 072 токена. Веса опубликованы в формате Safetensors, лицензия — Apache 2.0. В README указано, что при обучении использовались Unsloth и библиотека TRL. Отдельные сведения о данных обучения, целевых улучшениях DPO и сравнительном качестве не приведены, поэтому конкретные преимущества дообучения оценить нельзя.

BetterHF/vicuna-7b — конвертированная версия Vicuna-7B, диалоговой языковой модели на архитектуре LLaMA. В README указано, что веса получены применением delta-модели lmsys/vicuna-7b-delta-v0 к базовой decapoda-research/llama-7b-hf. В репозитории представлены файлы PyTorch; размер модели — около 6,6 млрд параметров. Модель предназначена для генерации текста в диалоговом формате: она может отвечать на вопросы и поддерживать общение на естественном языке. README сообщает, что конвертированную модель проверили через Vicuna CLI и получили корректный ответ. Данные не описывают отдельные языки, длину контекста или условия лицензии, поэтому эти характеристики здесь не уточняются.

Yi-Ko-6B-instruct-v1.2 — корейская инструкционная языковая модель на архитектуре Llama, разработанная путём дообучения модели с помощью LoRA. Автор обучил её на примерно 110 тысячах примеров, собранных из открытых наборов данных и вручную подготовленных материалов; среди тем — история, естественные науки, математика, машинное чтение, анализ отзывов, грамматика и ИТ-знания. В обучении также использовались корейские и англо-корейские переводные данные. Модель предназначена для генерации ответов и выполнения инструкций на корейском языке, включая вопросы и ответы по тексту, краткое изложение, перевод и анализ отзывов. Она содержит около 5,9 млрд параметров и поддерживает контекст до 2048 токенов. Данные обучения закрыты, поэтому состав и качество примеров нельзя независимо проверить. Лицензия — CC BY-SA 4.0.

Zebrafish-dare-7B — модель генерации текста на основе архитектуры Mistral, опубликованная пользователем mlabonne. Это плотная авторегрессионная языковая модель примерно на 7,1 млрд параметров с контекстом до 32 768 токенов, сохранённая в формате safetensors. Модель получена слиянием моделей методом DARE-TIES с помощью LazyMergekit. В конфигурации указаны liminerity/M7-7b и rwitz/experiment26-truthy-iter-0; метаданные каталога связывают её как производную с rwitz/experiment26-truthy-iter-0. Подходит для генерации текста и диалоговых сценариев на основе текстовых запросов. Данных о поддерживаемых естественных языках и специализированных областях применения нет. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

bigheiniuJ/zephyr-7b-dpo-full-ensemble-mixv4 — диалоговая модель для генерации текста, дообученная автором на базе alignment-handbook/zephyr-7b-sft-full с использованием TRL. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; заявленное контекстное окно — 32 768 токенов. В метаданных указаны формат safetensors и возможность вести диалог. Модель предназначена для ответов на вопросы и других текстовых диалоговых сценариев. Карточка демонстрирует запуск через Transformers pipeline с сообщением пользователя и генерацией продолжения. Сведения о поддерживаемых языках, специальных предметных областях и лицензии в предоставленных данных отсутствуют.

ShenaoZ/0.00005_withdpo_4iters_bs256_555lr_iter_1 — дообученная разработчиком ShenaoZ языковая модель Mistral с 7,1 млрд параметров. Она основана на HuggingFaceH4/mistral-7b-sft-beta и дополнительно обучена методом DPO на наборе HuggingFaceH4/ultrafeedback_binarized. Модель предназначена для общения в текстовом формате и генерации ответов; заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст. В метаданных указана английская языковая основа базовой модели, но README не описывает отдельные языковые возможности этой версии. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. README не приводит оценок качества или подробных ограничений применения.

Это дообученная методом DPO версия модели ShenaoZ/0.00005_withdpo_4iters_bs256_555lr_iter_1, созданная на исходном и обновлённом наборах данных. Модель семейства Mistral с плотной архитектурой и 7,1 млрд параметров предназначена для текстового общения и генерации ответов; поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В метаданных указаны возможность диалогового общения, формат весов safetensors и лицензия MIT. Карточка не приводит подробностей о назначении наборов данных, оценке качества или известных ограничениях, поэтому пригодность для конкретных сценариев следует проверять отдельно.

Модель 0.0001_zephyr_5551_4iters_bs256_iter_1 — диалоговая текстовая модель, дообученная разработчиком ShenaoZhang на базе HuggingFaceH4/mistral-7b-sft-beta с использованием набора HuggingFaceH4/ultrafeedback_binarized. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; доступна в формате Safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев: ответов на вопросы и общения в текстовом формате. В метаданных указана лицензия MIT. README не содержит сведений о результатах оценки, специальных ограничениях или поддерживаемых языках самой модели; базовая модель описана как обученная на англоязычных синтетических диалогах.

ShenaoZ/0.001_4iters_bs128_declr_nodpo_useresponse_iter_3 — дообученная разговорная языковая модель на архитектуре Mistral, разработанная ShenaoZ. Модель обучена на исходном и обновлённом наборах данных; её базовая модель — ShenaoZ/0.001_4iters_bs128_declr_nodpo_useresponse_iter_2. Она предназначена для генерации текста в диалоговом формате и поддерживает контекст длиной до 32 768 токенов. Модель содержит 7,1 млрд параметров и опубликована в формате safetensors. Модель можно применять для генерации ответов в чате, продолжения текста и подготовки черновиков. Карточка не описывает результаты оценки и конкретные ограничения качества. Лицензия — MIT.

ShenaoZ/0.001_ablation_4iters_bs256_nodpo_iter_1 — дообученная модель Mistral, созданная на основе HuggingFaceH4/mistral-7b-sft-beta и обученная на наборах данных updated и original. Она предназначена для генерации текста и диалогового общения. Модель имеет плотную архитектуру MistralForCausalLM, 7,1 млрд параметров и контекст до 32 768 токенов; принимает текст и выдаёт текст. Основной язык базовой модели — английский. Лицензия — MIT. README не приводит дополнительных сведений о назначении, оценке качества и известных ограничениях модели.

ShenaoZ/0.001_ablation_6iters_iter_2 — диалоговая модель генерации текста, дообученная на базе ShenaoZ/0.001_ablation_6iters_iter_1 на обновлённом и исходном наборах данных. Это плотная Mistral-архитектура MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. Репозиторий содержит веса в формате safetensors; лицензия — MIT. README не приводит сведений о конкретных сценариях применения, оценке качества или ограничениях модели.