III.2Исследование рынка и маркетинг

Это диалоговая модель генерации текста, разработанная ShenaoZ и дообученная на базе ShenaoZ/0.001_withdpo_4iters_bs256_5102lr_iter_2 на наборах данных updated и original. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалогах и ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии MIT. Подробности о качестве, оценке и специальных ограничениях в карточке не приведены.

Модель ShenaoZhang/0.001_zephyr_5551_4iters_bs256_iter_1 — дообученная версия Mistral, созданная на основе HuggingFaceH4/mistral-7b-sft-beta с использованием датасета HuggingFaceH4/ultrafeedback_binarized. Это плотная авторегрессионная модель на 7,1 млрд параметров для генерации текста и общения в формате чата. Она принимает текст и выдаёт текст; поддерживает контекст до 32 768 токенов. Модель подходит для ответов на вопросы и ведения текстового диалога. В карточке не описаны отдельные специализированные области применения или оценки качества. Использование регулируется лицензией MIT.

Это чат-модель для генерации текста, разработанная как дообученная версия ShenaoZhang/0.001_zephyr_5551_4iters_bs256_iter_1 на обновлённом и исходном наборах данных. Она построена на плотной архитектуре Mistral с 7,1 млрд параметров и предназначена для диалогов и генерации текста. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Репозиторий распространяет веса в формате Safetensors по лицензии MIT. Сведения о конкретных сценариях применения, языковом покрытии и результатах оценки в карточке не приведены.

0.01_ablation_4iters_bs256_nodpo_iter_1 — дообученная ShenaoZ модель Mistral с 7,1 млрд параметров, созданная на основе HuggingFaceH4/mistral-7b-sft-beta. Для обучения использовались версии наборов данных updated и original; модель предназначена для генерации текста и общения в формате чата. Модель имеет плотную архитектуру MistralForCausalLM, принимает текст и генерирует текст. Размер её контекста — до 32 768 токенов. В метаданных указана лицензия MIT. README не приводит результатов оценки или более подробного описания обучения.

Abuja-01 — компактная причинно-языковая модель семейства Qwen2, разработанная на основе Qwen/Qwen2-0.5B-Instruct и дообученная с помощью ORPO (Odds Ratio Preference Optimization). По карточке модель обучалась на наборе trl-lib/ultrafeedback_binarized; её объём составляет 494 млн параметров, веса представлены в формате Safetensors, а контекст — до 32 768 токенов. Модель предназначена для диалогов и генерации текста по инструкциям. Модель принимает текст и генерирует текст; в метаданных указан английский язык. Лицензия — MIT. Карточка сообщает об одном цикле обучения на одной GPU, но не приводит оценок качества или сравнительных результатов, поэтому пригодность для конкретных сценариев следует проверять на собственных запросах.

Akshara-8B — языковая модель SVECTOR CORPORATION для понимания и генерации текста на индийских языках и английском. Она предназначена для многоходовых диалогов и сценариев вроде образовательных приложений, клиентской поддержки, создания контента и автоматизации. Модель представляет собой плотную decoder-only архитектуру Llama с 7,5 млрд параметров и контекстом до 8192 токенов. По данным карточки, это дистиллированная версия флагманской модели Akshara; заявлена поддержка хинди, гуджарати, маратхи, тамильского, телугу, каннада, панджаби и английского. Репозиторий содержит веса Safetensors для Transformers. Лицензия — Apache-2.0. К сильным сторонам относятся многоязычные диалоги и ориентация на языковое разнообразие Индии. Карточка заявляет оптимизацию для скорости и эффективности, но не приводит сравнительных оценок качества; поэтому пригодность для конкретного языка и задачи стоит проверять отдельно.

Jebadiah/Aria-Laylelemon-sand-stone — объединённая языковая модель, созданная с помощью mergekit методом DARE TIES. В качестве базовой модели использована Jebadiah/Aria-dolphin-1m-sand-stone, также в объединение включена Nitral-AI/Visual-LaylelemonMaidRP-7B. Модель основана на архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста; заявленная длина контекста — 32 768 токенов. Модель подходит для генерации продолжений и ответов в текстовых сценариях. Репозиторий содержит веса в формате safetensors, а в конфигурации слияния указана точность float16. Данных о лицензии и конкретных языках в доступных материалах нет.

ASL 4B — компактная плотная языковая модель на 4 млрд параметров, разработанная SAAI на базе Qwen3.5 и настроенная для работы с арабским языком. Модель предназначена для генерации текста и диалогов, особенно для понимания саудовского диалекта и местного контекста Саудовской Аравии. В обучении использовались открытые наборы данных, а также локальные данные партнёров: книги, литературные произведения и журналистские публикации. Модель поддерживает стандартную генерацию и режим рассуждений; карточка приводит рекомендации по настройкам для vLLM и Transformers. Она рассчитана на приложения с современным стандартным арабским языком, саудовским диалектом и местным либо институциональным контекстом. README характеризует выпуск как первый исследовательский релиз SAAI, ориентированный на исследования и разработку арабоязычных приложений. Лицензия — Apache-2.0. Модель может генерировать неточные, неполные или предвзятые ответы; результаты бенчмарков не гарантируют надёжность в реальных сценариях. Перед применением в чувствительных сферах необходима оценка на целевых задачах.

DreadPoor/Aurora_faustus-8B-LINEAR — диалоговая языковая модель на архитектуре Llama, созданная разработчиком DreadPoor линейным слиянием нескольких предварительно обученных моделей через mergekit. В состав слияния вошли DreadPoor/Aspire-8B-model_stock, DreadPoor/Heart_Stolen-8B-Model_Stock и DreadPoor/WIP-TEST_PENDING_4. Веса представлены в формате Safetensors; число параметров — 7,5 млрд, контекст — до 8192 токенов. Модель предназначена для генерации ответов в диалоге и свободного текста. В карточке приведены результаты оценок на IFEval и BBH, но они сами по себе не гарантируют качество в конкретных задачах. Метаданные не указывают основной язык. Модель распространяется по лицензии Apache 2.0.

Модель ulisesbravo/autotrain-po0st-um4bf — дообученная с помощью AutoTrain модель MPNet для классификации текста по категориям. Она принимает текст и предсказывает метку класса; карточка сообщает о качестве на валидации: accuracy 0,793 и macro F1 0,758. Модель содержит 136,7 млн параметров, использует архитектуру MPNetForSequenceClassification и формат safetensors. Контекст составляет до 514 токенов. Сведения о конкретных категориях и языке обучающих данных не приведены. Лицензия в доступных данных не указана.

pix08934725/axxis-test — дообученная языковая модель автора pix08934725 на базе unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 3,2 млрд параметров, предназначенная для генерации текста и диалогового использования. В метаданных заявлены контекст до 131 072 токенов и интерфейс вызова инструментов; модель сохранена в формате safetensors. Карточка сообщает, что обучение проводилось с Unsloth и библиотекой TRL, но не описывает специализацию дообучения, обучающие данные или результаты оценки. Указан английский язык. Модель выпущена по лицензии Apache-2.0.

BayLing-13B-diff — версия с разницей весов модели BayLing-13B-v1.0, разработанной группой NLP Института вычислительных технологий Китайской академии наук. Это плотная авторегрессионная языковая модель на архитектуре LLaMA с 12,9 млрд параметров и контекстом 2048 токенов; репозиторий содержит веса в формате PyTorch. Модель рассчитана на генерацию текста по инструкциям, перевод, написание и создание текстов, выдачу предложений и многоходовой диалог на китайском и английском языках. В карточке заявлены сильные стороны в следовании инструкциям, межъязыковом выравнивании и взаимодействии на нескольких ходах. Это именно версия weight-diff: для восстановления параметров BayLing требуется применить apply_delta.py к соответствующим базовым весам; полная модель в карточке не представлена. Лицензия — GPL-3.0. Модель может давать неточные фактические ответы, слабо справляется с рассуждениями, математикой и программированием, а также может генерировать вредный или предвзятый контент.

Bielik-11B-v2.3-Instruct — текстовая генеративная модель с 11 млрд параметров, разработанная SpeakLeash совместно с центром ACK Cyfronet AGH. Это плотная авторегрессионная модель-декодер архитектуры Mistral, предназначенная для диалогов и выполнения инструкций; контекст составляет до 32 768 токенов. Модель создана преимущественно для работы на польском языке: она понимает запросы и генерирует ответы, а также подходит для разнообразных языковых задач. Версия v2.3 получена линейным слиянием трёх инструкционно дообученных моделей Bielik-11B-v2.0, v2.1 и v2.2 с помощью mergekit. Модель распространяется под лицензией Apache 2.0. Разработчики отмечают, что ответы могут содержать фактические ошибки, предвзятые или оскорбительные формулировки. У модели нет встроенных механизмов модерации, поэтому её ответы требуют проверки, особенно при использовании в сценариях с требованиями к безопасности.

BigTranslate — мультиязычная модель для перевода, созданная дообучением LLaMA-13B. Разработчики расширили языковые возможности исходной модели в три этапа: продолжили обучение на китайских текстах, затем на параллельных данных для 102 естественных языков и после этого настроили модель на инструкции по переводу. В метаданных указаны архитектура LLaMA для авторегрессионной генерации текста, размер 13 млрд параметров и формат PyTorch. Модель предназначена для перевода между естественными языками и выполнения переводческих запросов в формате инструкций. Авторы сообщают о предварительных результатах, сопоставимых с ChatGPT и Google Translate для многих языков, и о превосходстве над ChatGPT в восьми языковых парах. Эти результаты относятся к экспериментам авторов и не гарантируют такое же качество для любых языков и текстов. Модель выпущена под лицензией LGPL-3.0. Карточка не сообщает длину контекста и не приводит полный перечень поддерживаемых языков; заявлена работа с более чем 100 языками, включая китайский.

MaziyarPanahi/calme-3.3-instruct-3b — дообученная модель MaziyarPanahi на архитектуре Qwen2.5-3B для генерации текста в общих предметных областях и диалогового общения. Она содержит 3,1 млрд параметров, принимает текст и выдаёт текст, поддерживает шаблон ChatML и контекст до 32 768 токенов. В метаданных отмечены английский и французский языки, а также интерфейс для вызова инструментов. Модель может использоваться для диалогов, ответов на вопросы и других задач генерации текста общего назначения. Автор отмечает, что небольшой размер может снижать качество на некоторых запросах и повышать чувствительность к параметрам генерации. README также указывает на возможные смещения и рекомендует контроль человеком при развёртывании. Лицензия обозначена как other; конкретные условия следует проверять в карточке модели.

CapRL-Qwen3VL-2B — мультимодальная модель для создания описаний изображений из серии CapRL 2.0, опубликованной авторами проекта CapRL. Она основана на архитектуре Qwen3-VL и принимает изображения с текстовыми запросами, выдавая текстовые описания. Версия на 2 млрд параметров ориентирована на скорость и экономию вычислительных ресурсов; авторы сообщают, что она превосходит CapRL-Qwen2.5VL-3B и Qwen2.5VL-72B в задачах описания изображений. Модель предназначена для подробного описания естественных изображений, диаграмм, инфографики и документов. В README описан подход CapRL с обучением на QA-данных и подкреплением с проверяемыми наградами; каталог указывает датасет internlm/CapRL-2M. В карточке заявлена лицензия Apache-2.0. Результаты могут содержать ошибки или пропускать визуальные детали; численные оценки качества и длина контекста в предоставленных данных не приведены.

Nitral-AI/Captain-Eris_Violet-V0.420-12B — текстовая генеративная модель, созданная Nitral-AI слиянием Epiculous/Violet_Twilight-v0.2 и Nitral-AI/Captain_BMO-12B. В карточке указаны архитектура Mistral с плотной структурой и 12,1 млрд параметров; для слияния использован метод SLERP, веса представлены в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. Метаданные также указывают интерфейс вызова инструментов. Заявленная длина контекста составляет 1 024 000 токенов, однако README не содержит результатов испытаний, подтверждающих работу с таким контекстом. Лицензия обозначена как «other», поэтому условия использования следует уточнить на странице модели и в лицензиях исходных моделей. В карточке нет сведений о специализированной предметной области или оценках качества.

Weyaxi/CarbonVillain-v4-Sakura-Solar-Slerp — разговорная языковая модель для генерации текста, созданная слиянием весов методом SLERP. В конфигурации указаны модели jeonsworld/CarbonVillain-en-10.7B-v4 и kyujinpy/Sakura-SOLAR-Instruct; базовой моделью названа upstage/SOLAR-10.7B-Instruct-v1.0. Каталог относит её к плотной архитектуре семейства Llama с классом LlamaForCausalLM и 10,6 млрд параметров. Модель предназначена для диалогов и генерации текста. Метаданные указывают контекст длиной 4096 токенов, формат safetensors и лицензию Apache 2.0. README описывает слияние в формате bfloat16, с разными коэффициентами для слоёв self-attention и MLP. Поддерживаемые языки и специализированные области применения в доступных данных не обозначены.

ChatAllInOne-Mistral-7B-V1 — чатовая языковая модель, созданная DrNicefellow дообучением Mistral 7B с помощью QLoRA и Unsloth на наборе данных CHAT-ALL-IN-ONE-v1. Она предназначена для генерации ответов в диалогах — от непринуждённого общения до формальных и тематических бесед — и использует формат запросов Vicuna 1.1. Модель с плотной архитектурой Mistral содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текстовые ответы, стараясь сохранять связность в продолжительных диалогах. В репозитории опубликованы веса Safetensors. Модель выпущена под лицензией Apache-2.0.

sftmagpie-delphiwarmupdelphi-1e22-9-7Bparadelphidelphi-3e18-p33m67-k — плотная языковая модель семейства Qwen3, разработанная LAION и обученная с нуля на наборах данных magpie и delphi_warmup. Она предназначена для генерации текста и диалогового взаимодействия; в метаданных также заявлена возможность чата. Модель содержит 9,2 млрд параметров, принимает текст и имеет контекстное окно 4096 токенов. В репозитории доступны веса в формате safetensors, а для работы указана библиотека Transformers. README не приводит подробностей об оценке качества, целевых сценариях и ограничениях. Лицензия обозначена как other, поэтому условия использования следует уточнять по материалам репозитория.

Djinn — разговорная языковая модель, опубликованная пользователем mayacinka. Это слияние моделей CultriX/NeuralTrix-7B-dpo и paulml/DPOB-INMTOB-7B с помощью LazyMergekit. Модель построена на архитектуре Mistral и содержит 7,3 млрд параметров; её нативная длина контекста — 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате, например для ответов на вопросы и ведения беседы. Репозиторий содержит веса в формате safetensors. Сведения о языках и лицензии в предоставленных данных отсутствуют.

DPO-Zephyr-7B — дообученная компанией ShenaoZ языковая модель для генерации текста и диалогового общения. Она основана на Mistral-7B SFT Beta и дополнительно обучена методом DPO на датасете HuggingFaceH4/ultrafeedback_binarized. Модель имеет плотную архитектуру MistralForCausalLM, 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для текстовых диалогов и генерации ответов. Базовая модель обучалась на англоязычных синтетических диалогах; отдельные языковые характеристики DPO-Zephyr-7B в карточке не описаны. Весы опубликованы в формате safetensors по лицензии MIT.

Dulia 13B 8K Alpha — чатовая языковая модель семейства Llama, разработанная duliadotio и дообученная на базе Llama 2 с использованием наборов Dolphin и Orca Chat, а также OpenAssistant SFT Trainer. Модель содержит 12,9 млрд параметров и построена на архитектуре LlamaForCausalLM; для контекста до 8192 токенов применено линейное масштабирование RoPE. Модель предназначена для генерации текста и ведения многоходовых диалогов на английском языке. Она подходит для чат-ботов и ответов на пользовательские запросы; обучена с шаблоном диалогов OpenAssistant. Репозиторий предоставляет веса в форматах PyTorch и safetensors для Transformers. Модель распространяется по лицензии Llama 2. В README отмечены риски неточных, предвзятых и нежелательных ответов; оценка проводилась на английском языке и не охватывает все сценарии, поэтому перед внедрением требуется проверка и настройка безопасности под конкретное применение.

Fimbulvetr-V2-Kuro-Lotus — языковая модель, созданная автором репозитория gelukuMLG путём слияния предварительно обученных моделей методом SLERP с помощью mergekit. В слияние вошли Fimbulvetr-11B-v2 и Kuro-Lotus-10.7B; конфигурация указывает Kuro-Lotus-10.7B как базовую модель. Репозиторий содержит веса в формате safetensors с точностью bfloat16. Модель построена на плотной архитектуре Llama и предназначена для генерации текста. Её размер — 10,6 млрд параметров, длина контекста — 8192 токена. README не описывает специализированные сценарии использования или поддерживаемые языки, поэтому модель можно характеризовать только как генеративную языковую модель общего назначения.

p-e-w/gemma-3-270m-it-heretic — дообученная разговорная текстовая модель на базе Google Gemma 3 270M, созданная разработчиком p-e-w. Модель предназначена для генерации текста и диалогов; компактный размер позволяет запускать её на ресурсах с ограничениями. Метаданные указывают архитектуру Gemma3ForCausalLM, 257 млн параметров и контекст до 32 768 токенов. Карточка базовой модели Gemma 3 описывает применение для ответов на вопросы, суммаризации и других сценариев генерации текста, а также поддержку более 140 языков. Однако у этой версии нет заявленной поддержки изображений, поэтому её следует рассматривать как текстовую модель. Тегами модели обозначено снятие ограничений (uncensored/abliterated), но README не содержит отдельного описания результатов или границ такого изменения. Модель может выдавать ошибочные или устаревшие сведения, хуже справляться с неоднозначностью и сложными задачами, а ответы могут отражать смещения обучающих данных. Лицензия — Gemma; применяются условия лицензии и политики допустимого использования Gemma.

Модель callgg/gemma-3-4b-it-bf16 основана на Gemma 3 4B IT от Google и предназначена для диалогов, генерации текста и ответов на вопросы по изображениям. Она принимает текст и изображения и выдаёт текст; в метаданных указана архитектура Gemma 3 для условной генерации с плотной сетью и поддержка чата и зрения. Репозиторий содержит веса в формате safetensors; README также сообщает о возможности конвертации в GGUF. Модель подходит для мультимодальных ассистентов, которым нужно описывать изображения или отвечать на вопросы о них, а также для обычного текстового общения. Используется лицензия Gemma. Сведения о размере контекста и поддерживаемых языках в предоставленных данных отсутствуют.

rhaymison/gemma-portuguese-luana-2b — дообученная на португальском языке модель Gemma, разработанная rhaymison. Модель имеет плотную архитектуру GemmaForCausalLM и 2,5 млрд параметров; она предназначена для генерации текста и выполнения инструкций в диалоговом формате. Обучение проводилось на 250 тысячах инструкций из набора rhaymison/superset, а длина контекста составляет 8192 токена. Модель ориентирована на понимание португальского языка и выводов из текста. Её можно дополнительно адаптировать к конкретной области. В карточке отдельно отмечено, что модель не обучалась задачам математики и программирования. Распространяется под лицензией Apache-2.0.

Goetia 24B v1 — разговорная языковая модель, созданная Naphula как продолжение серии Cthulhu. Это объединённая с помощью mergekit модель на архитектуре Mistral для генерации текста и ответов в диалоге. В карточке указаны 23,4 млрд параметров, контекст до 131 072 токенов и поддержка чата. Модель предназначена для диалогов и генерации ответов по запросу. Автор описывает её как потенциально обходящую ограничения безопасности при использовании jailbreak-промптов; такие промпты являются частью README, а не гарантией качества или поведения. Указанная лицензия — Apache-2.0. Карточка не сообщает о целевых языках или результатах оценки качества.

Instruct_Yi-6B_Dolly15K — авторегрессионная языковая модель, дообученная HenryJJ на базе Yi-6B с использованием LoRA и набора инструкций databricks-dolly-15k. Модель имеет около 5,8 млрд параметров, архитектуру LlamaForCausalLM и контекстное окно до 4096 токенов по метаданным; в README указано, что при обучении использовалось окно 1024 токена. Репозиторий содержит веса в формате safetensors. Модель предназначена для генерации ответов на инструкции на английском языке, в том числе с дополнительным контекстом. Её можно применять для черновиков текстов, кратких ответов и выполнения типовых текстовых запросов. Для работы предусмотрен шаблон запроса с маркерами [INST] и [/INST]. Модель выпущена под лицензией Apache-2.0. Она дообучена на Dolly 15k, поэтому её результаты зависят от характера инструкций и данных обучения; карточка не приводит подробных оценок качества и отмечает более короткий контекст обучения, чем заявленный в метаданных контекст модели.

K2S3-Mistral-7b-v1.3 — языковая модель, разработанная K2S3 и построенная на архитектуре Mistral. Это плотная авторегрессионная модель на 7,2 млрд параметров с контекстом до 32 768 токенов, предназначенная для генерации текста и диалоговых инструкций. Модель дообучена методом полного обновления параметров с использованием supervised fine-tuning на базе Changgil/K2S3-Mistral-7b-v1.2; исходная линия базируется на mistralai/Mistral-7B-v0.1. В обучении использовались alpaca-gpt4-data и примеры из OpenOrca. Модель принимает текст и генерирует текст. В карточке указана поддержка английского и корейского языков. Репозиторий распространяет веса в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Конкретные результаты оценки качества или специализация в отдельной предметной области в карточке не приведены.