III.2Исследование рынка и маркетинг

KielGen-Fast — мультимодальная авторегрессионная модель на архитектуре Janus, дообученная командой Kiel2 на базе deepseek-ai/Janus-Pro-1B. Она объединяет генерацию текста, понимание изображений и создание изображений по текстовому описанию. Архитектура MultiModalityCausalLM использует отдельные визуальные пути для понимания изображений и декодирование изображений через векторно-квантованные токены; веса сохранены в формате safetensors для Transformers. Модель подходит для диалоговых ответов, визуальных вопросов и описания сцен, мультимодального анализа, а также создания иллюстраций и других визуальных материалов по запросу. В карточке заявлены английский язык и лицензия MIT. Размер модели и длина контекста не приведены в доступных сведениях.

jaspionjader/Kosmos-Aurora_faustus-8B — слитая языковая модель на архитектуре Llama с 7,5 млрд параметров. Её создали методом SLERP с помощью mergekit, объединив Khetterman/Kosmos-8B-v1 и DreadPoor/Aurora_faustus-8B-LINEAR; веса доступны в формате safetensors для библиотеки Transformers. Модель предназначена для генерации текста и диалоговых ответов. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Карточка не приводит специализированных областей применения или перечня поддерживаемых языков. Лицензия в предоставленных данных не указана.

Kosmos-EVAA-v2-8B — объединённая модель генерации текста на базе архитектуры Llama, созданная Jaspionjader с помощью mergekit. Веса двух предварительно обученных моделей, Kosmos-EVAA-8B и Kosmos-Elusive-VENN-8B, объединены методом SLERP; в метаданных указано 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации текста и диалогов. Согласно описанию базовой модели в каталоге, она работает на русском и английском языках. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Данные не уточняют специализацию, качество на конкретных задачах или лицензионные условия.

Azazelle опубликовал объединённую языковую модель Llama 3 для генерации текста и диалогов. Веса объединены с помощью mergekit методом breadcrumbs_ties; базой при слиянии служила failspy/Llama-3-8B-Instruct-MopeyMule, также использованы несколько других моделей на базе Llama 3, включая диалоговые и инструкционные варианты. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст. Контекст составляет 8192 токена. Карточка указывает на назначение для генерации текста, но не описывает специализированные сценарии, языковую поддержку или результаты оценки качества. Доступна лицензия, указанная в метаданных Hugging Face; конкретный тип лицензии в предоставленных данных не приведён.

mncai/llama2-13b-dpo-v3 — плотная авторегрессионная языковая модель семейства Llama, разработанная MindsAndCompany. Это инструкционно настроенная модель с дополнительным обучением методом DPO на базе beomi/llama-2-koen-13b; она предназначена для генерации ответов на запросы и диалоговых сценариев. Модель содержит 12,9 млрд параметров, принимает текст и имеет контекстное окно 4096 токенов. Карточка указывает поддержку английского и корейского языков; пример запроса приведён на корейском. Модель может использоваться в чат-ботах и бизнес-приложениях, включая помощников для ответов на вопросы и генерации текста. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространения производных материалов на тех же условиях и ограничивает коммерческое использование. В README не приведены результаты оценки качества или подробности обучающих данных, поэтому пригодность для конкретных задач следует проверять отдельно.

TheTravellingEngineer выпустил диалоговую модель на архитектуре Llama 2 с 6,6 млрд параметров. Она получена дообучением методом SFT базовой модели meta-llama/Llama-2-7b-chat-hf на датасете OpenAssistant Guanaco; репозиторий содержит объединённые веса fp16. Модель предназначена для генерации ответов в диалоге и выполнения текстовых инструкций в сценариях чат-ботов и помощников. Карточка указывает английский язык и контекстное окно 4096 токенов. Использование регулируется ограничениями исходной лицензии Llama 2; гарантий качества нет.

Это дообученная методом DPO модель генерации текста на базе Meta Llama 2. Разработчик дообучил её на наборе HuggingFaceH4/ultrafeedback_binarized; в репозитории указаны результаты оценки на тестовом наборе предпочтений, включая точность наград 0,7912. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM, принимает текст и выдаёт текст. Нативный контекст — 4096 токенов. Модель подходит для генерации ответов и инструктивного диалога с настройкой предпочтений. Карточка не описывает специализированные области применения и не приводит подробных ограничений или условий использования. Лицензию следует проверять по метаданным репозитория; в предоставленных данных её значение отсутствует.

manojpreveen/Llama-2-7b-hf-ChatOrca — диалоговая языковая модель, созданная на основе Meta Llama 2 7B и дообученная на смеси данных Orca, OpenPlatypus и открытых многоходовых диалогов. Она предназначена для генерации ответов и поддержания многоходовых бесед, включая задачи, требующие рассуждений. Модель использует плотную архитектуру LlamaForCausalLM, содержит около 6,6 млрд параметров и рассчитана на контекст до 4096 токенов. Для общения применяется формат запросов Meta Llama 2 Chat с маркерами [INST]. Модель работает с текстом и выдаёт текст; в карточке указаны обучающие данные на английском языке, но перечень поддерживаемых языков не заявлен. Репозиторий содержит веса safetensors. Лицензия — MIT; базовая модель Meta Llama 2 имеет собственные условия лицензирования, которые следует учитывать отдельно.

LLama-3.1-4B-TitanFusion — диалоговая языковая модель, созданная слиянием весов трёх моделей методом Model Stock с помощью mergekit. Базой слияния послужила MagpieLM-4B-Chat-v0.1; также объединены anthracite-org/magnum-v2-4b и TheDrummer/Hubble-4B-v1. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 3,9 млрд параметров и предназначена для генерации текста и диалоговых ответов. Заявленная длина контекста — 131 072 токена. Поддерживается чатовый сценарий; модель опубликована в формате safetensors для библиотеки Transformers. Карточка не приводит результатов сравнительной оценки или подробных ограничений качества. Веса представлены в формате bfloat16. Лицензия в предоставленных данных не указана.

Модель goethe0101 — дообученная текстовая модель семейства Llama 3.2 с плотной архитектурой и 3,2 млрд параметров. Она основана на unsloth/llama-3.2-3b-instruct-bnb-4bit и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 131 072 токена. Репозиторий содержит веса в формате PyTorch, а лицензия — Apache-2.0. Карточка не описывает специализацию дообучения или результаты оценки качества.

adamkareem/llama-3-8b-dolphin-uncensored — дообученная разговорная модель семейства Llama 3, разработанная adamkareem на основе unsloth/llama-3-8b-Instruct-bnb-4bit. Она предназначена для генерации текста в диалоге и имеет около 7,5 млрд параметров, плотную архитектуру LlamaForCausalLM и контекст до 8192 токенов. Модель принимает текст и генерирует текст; в карточке указан английский язык и поддержка чата. Модель обучалась с использованием Unsloth и библиотеки TRL. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Название указывает на uncensored-вариант, однако README не уточняет его поведение и ограничения по содержанию.

Llama-3-8B-Instruct-Portuguese-v0.4 — языковая модель на архитектуре Llama, представленная пользователем adalbertojunior. Она предназначена для генерации текста и диалоговых сценариев на португальском языке. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст, а её контекст составляет 8192 токена. В метаданных указан обучающий набор adalbertojunior/openHermes_portuguese. Модель опубликована в формате safetensors и помечена лицензией из метаданных?

LLaMA3-ENG-KO-8B-SL3 — англо-корейская языковая модель на архитектуре Llama 3, опубликованная 4yo1. Модель дообучена для перевода между английским и корейским языками и поддерживает генерацию текста; в репозитории указаны 7,5 млрд параметров и контекст до 8192 токенов. Модель принимает текст и генерирует текст. Её можно применять для перевода с английского на корейский и обратно, а также для генерации англоязычного или корейского текста. Указан датасет 4yo1/llama3_test1; веса доступны в формате safetensors, лицензия — MIT. Карточка описывает дообучение, однако не уточняет конкретные метрики качества или детали обучающей процедуры. Поэтому пригодность для заданных сценариев следует оценивать на собственных примерах.

VIRNECT разработала разговорную языковую модель на архитектуре Llama 3 для генерации текста на корейском и английском языках. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Модель предназначена для диалогового использования и генерации ответов. Она дообучена на базе MLP-KTLim/llama-3-Korean-Bllossom-8B с использованием датасета AI Hub для развития возможностей крупной языковой модели на корейском языке. Весы доступны в формате safetensors для Transformers. Лицензия — Llama 3 Community License.

RicAIEng дообучил модель unsloth/llama-3-8b-bnb-4bit — плотную языковую модель семейства Llama 3 с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Модель предназначена для генерации текста в диалоговом формате. Модель принимает текст и выдаёт текст; поддерживает английский язык и имеет контекстное окно 8192 токена. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

asharsha30/LLAMA_Harsha_8_B_ORDP_10k — текстовая чат-модель на архитектуре Llama, созданная дообучением базовой модели Meta-Llama-3-8B с использованием ORPO и набора mlabonne/orpo-dpo-mix-40k. Метаданные указывают на 7,5 млрд параметров, контекст до 8192 токенов и формат safetensors; модель используется через библиотеку Transformers для генерации текста в диалоговом формате. Модель предназначена для ответов на вопросы и ведения текстовых диалогов на английском языке. В README приведены результаты оценивания на наборах AGIEval, GPT4All, TruthfulQA и Bigbench; общий средний балл указан как 50,01. Модель распространяется по лицензии Apache-2.0. README называет базой NousResearch/Meta-Llama-3-8B, тогда как метаданные указывают meta-llama/Llama-3.1-8B.

MasherAI-v6.1-7B-checkpoint3-code4 — дообученная плотная языковая модель семейства Mistral, опубликованная mahiatlinux. Она предназначена для генерации текста и диалогов на английском языке; поддерживает контекст до 32 768 токенов и содержит 7,1 млрд параметров. Модель обучалась с использованием Unsloth и библиотеки TRL. Репозиторий распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. В карточке заявлена генерация текста; конкретная специализация версии code4 не описана.

MeliodasPercival_01_Experiment24Experiment26 — объединённая модель генерации текста, созданная MaziyarPanahi на основе automerger/MeliodasPercival_01-7B и automerger/Experiment24Experiment26-7B. Это плотная Mistral-модель с архитектурой MistralForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста и диалогов. Она принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README подтверждает объединение указанных моделей, но не описывает специальные области применения или дополнительные возможности; качество и ограничения не охарактеризованы.

Это объединённая авторегрессионная языковая модель семейства Llama, созданная с помощью mergekit методом passthrough на основе cognitivecomputations/dolphin-2.9.1-yi-1.5-34b. Репозиторий содержит веса в формате safetensors; заявленный размер — 22,8 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст. Карточка не описывает дополнительные области применения или языковую специализацию. Лицензия в предоставленных данных не указана.

MFANN3b-SFT — слитая языковая модель семейства Phi, опубликованная netcat420. Она объединяет liminerity/Phigments12, netcat420/MFANN-liminerity-slerp-4a и netcat420/MFANN3b-Rebase методом TIES с помощью mergekit; базовой моделью при слиянии служила liminerity/Phigments12. Модель содержит 3,5 млрд параметров, использует плотную архитектуру PhiForCausalLM и формат safetensors с точностью float16. Модель предназначена для генерации текста. Метаданные указывают контекстное окно до 131 072 токенов; карточка не описывает конкретные сценарии применения или поддерживаемые языки. Указана библиотека Transformers. В карточке нет сведений о результатах оценки качества или известных ограничениях, поэтому пригодность для конкретных задач следует проверять отдельно. Лицензия в предоставленных данных не указана.

MiLMMT-46-12B-v0.1 — модель машинного перевода на основе большой языковой модели, разработанная Xiaomi Inc. Это дообученная версия MiLMMT-46-12B-Pretrain, созданной на базе Gemma 3 12B с продолжением предобучения на 143 миллиардах токенов монолингвальных и параллельных данных для 46 языков. Модель предназначена для перевода текста между поддерживаемыми языками; в карточке приведён шаблон запроса, где нужно указать названия исходного и целевого языков. Модель поддерживает 46 языков, включая русский, английский, китайский, арабский, хинди, японский и другие. Для работы доступны веса в формате safetensors и библиотека Transformers. Указанная лицензия — Gemma. Производитель предупреждает, что поддержка ограничена перечисленными языками и качество перевода для других языков не гарантируется.

toxibunny/Mistral-Small-22B-ArliAI-RPMax-Diluted — слитая модель на архитектуре Mistral, созданная автором репозитория с помощью mergekit и метода SLERP из unsloth/Mistral-Small-Instruct-2409 и ArliAI/Mistral-Small-22B-ArliAI-RPMax-v1.1. Это плотная авторегрессионная языковая модель на 22 млрд параметров с контекстом до 32 768 токенов, предназначенная для генерации текста и диалогов. Модель подходит для разговорных сценариев и творческого письма, включая ролевые диалоги. Метаданные указывают поддержку интерфейса вызова инструментов, однако описание не уточняет, какие именно инструменты или шаблоны взаимодействия проверены. Доступна в формате safetensors для Transformers. Сведения о лицензии в предоставленных источниках отсутствуют.

MixtureofMerges-MoE-2x7b-v0.01b-DELLA — языковая модель для генерации текста, созданная jsfs11 с помощью mergekit. Она объединяет yunconglong/Truthful_DPO_TomGrc_FusionNet_7Bx2_MoE_13B и jsfs11/MixtureofMerges-MoE-2x7b-v6 методом DELLA; в конфигурации указаны плотность 0,6, epsilon 0,2, lambda 1,0 и формат bfloat16. Модель построена на архитектуре Mixtral с MoE и содержит 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста, в том числе диалоговых ответов. В составе объединённых моделей есть настройка на правдивые ответы, однако README не приводит отдельных оценок качества или гарантий фактичности. Репозиторий распространяется по лицензии Apache-2.0.

MoMo-72B-lora-1.8.4-DPO — языковая модель Moreh на архитектуре Llama с 71 млрд параметров. Она обучена методом Direct Preference Optimization (DPO) на основе MoMo-72B-LoRA-V1.4; базовая модель MoMo-72B-LoRA-V1.4 была дообучена методом SFT с LoRA на QWEN-72B. Веса не объединялись с другими моделями, а для совместимости с форматом llama были выровнены при подготовке к отправке на лидерборд. Модель предназначена для генерации текста и диалоговых сценариев. В обучении использовались наборы SlimOrca, Truthy и Orca DPO Pairs; обучение проводилось на платформе MoAI компании Moreh с ускорителями AMD MI250. Контекст составляет до 32 768 токенов, библиотека для загрузки — Transformers. Карточка не приводит результатов бенчмарков, поэтому качество по конкретным задачам нельзя оценить по предоставленным данным. Модель распространяется по лицензии MIT.

Карточка модели OpenMOSS-Team/MOSS-Audio-4B-Thinking на Hugging Face совпадает с карточкой OpenMOSS-Team/MOSS-Audio-4B-Instruct, поэтому описание составлено по ней. MOSS-Audio-4B-Instruct — открытая модель для понимания аудио, разработанная MOSI.AI, командой OpenMOSS и Shanghai Innovation Institute. Это вариант Instruct с аудиоэнкодером MOSS-Audio-Encoder и языковой основой Qwen3-4B; общий размер составляет около 4,6 млрд параметров. Аудио преобразуется в временные представления с частотой 12,5 Гц, которые объединяются с представлениями языковой модели для генерации текста. Модель принимает аудио и выполняет инструкции на его основе. Модель предназначена для распознавания речи с временными метками, ответов на вопросы и составления резюме по аудио, анализа говорящих, эмоций и звуковых событий, описания окружающей обстановки и понимания музыки. Архитектура с передачей признаков между слоями энкодера и временными маркерами поддерживает анализ акустических деталей и последовательности событий. В карточке семейства заявлена поддержка английского и китайского языков; результаты оценки относятся к семейству моделей и не гарантируют такое же качество именно для варианта 4B. Модель распространяется по лицензии Apache-2.0. Карточка описывает возможности семейства, но не приводит отдельные результаты оценки, требования к ресурсам или конкретные ограничения варианта 4B-Instruct.

Карточка модели OpenMOSS-Team/MOSS-Audio-8B-Thinking на Hugging Face совпадает с карточкой OpenMOSS-Team/MOSS-Audio-4B-Instruct, поэтому описание составлено по ней. MOSS-Audio-4B-Instruct — открытая модель для понимания аудио, разработанная MOSI.AI, командой OpenMOSS и Shanghai Innovation Institute. Это вариант Instruct с аудиоэнкодером MOSS-Audio-Encoder и языковой основой Qwen3-4B; общий размер составляет около 4,6 млрд параметров. Аудио преобразуется в временные представления с частотой 12,5 Гц, которые объединяются с представлениями языковой модели для генерации текста. Модель принимает аудио и выполняет инструкции на его основе. Модель предназначена для распознавания речи с временными метками, ответов на вопросы и составления резюме по аудио, анализа говорящих, эмоций и звуковых событий, описания окружающей обстановки и понимания музыки. Архитектура с передачей признаков между слоями энкодера и временными маркерами поддерживает анализ акустических деталей и последовательности событий. В карточке семейства заявлена поддержка английского и китайского языков; результаты оценки относятся к семейству моделей и не гарантируют такое же качество именно для варианта 4B. Модель распространяется по лицензии Apache-2.0. Карточка описывает возможности семейства, но не приводит отдельные результаты оценки, требования к ресурсам или конкретные ограничения варианта 4B-Instruct.

zelk12/MT1-Gen5-MM-gemma-2-Av4dS4-9B — слитая с помощью mergekit и метода SLERP языковая модель на архитектуре Gemma 2. В объединении использованы allknowingroger/Gemmaslerp4-10B и lemon07r/Gemma-2-Ataraxy-v4d-9B; итоговая модель содержит 9 млрд параметров и рассчитана на генерацию текста в диалоговом режиме. Модель подходит для создания продолжений текста, историй и ответов в чате. Она принимает текст и выдаёт текст, использует библиотеку Transformers и имеет контекстное окно 8192 токена. В метаданных указана лицензия Gemma; применимые условия использования определяются лицензией базовой модели.

zelk12 создал эту разговорную языковую модель как слияние двух моделей Gemma 2 с помощью метода SLERP и инструмента mergekit. Модель предназначена для генерации текста в диалогах и имеет 9 млрд параметров; она построена на плотной архитектуре Gemma2ForCausalLM и распространяется в формате safetensors. Контекст составляет до 8192 токенов. Модель принимает текст и генерирует текст. Данных о специализации по предметным областям и языковой поддержке в карточке нет. Слияние объединяет характеристики исходных моделей, однако README не описывает ожидаемое качество или конкретные преимущества. Лицензия в предоставленных данных не указана.

csebuetnlp разработала эту модель на основе mT5 и дообучила её на многоязычных парах датасета CrossSum. Она предназначена для суммаризации текстов, написанных на разных языках, с выдачей краткого содержания на упрощённом китайском языке. Модель использует архитектуру mT5 с 291,2 млн параметров и принимает текст, генерируя текстовую сводку. В метаданных перечислены поддерживаемые языки, включая китайский, английский, русский, арабский, хинди, японский, корейский и другие. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

zelk12/MT-Merge5-GP-gemma-2-MTg5MT4g5-9B — объединённая модель для генерации текста и диалогового общения, созданная с помощью mergekit. Она объединяет две предварительно обученные модели Gemma 2: zelk12/MT-Gen5-gemma-2-9B и zelk12/MT4-Gen5-gemma-2-9B методом SLERP. Модель имеет плотную архитектуру Gemma 2 с 9 млрд параметров и контекст длиной до 8192 токенов; для работы с ней указана библиотека Transformers, веса представлены в формате safetensors. Модель предназначена для генерации ответов и ведения диалогов на основе текстовых запросов. README не приводит результатов оценки качества, конкретных языков или специализированных областей применения, поэтому такие свойства нельзя подтвердить по имеющимся данным. Условия лицензирования в предоставленных источниках не описаны.