III.2Исследование рынка и маркетинг

NyakuraV2.1-m7-Mistral-7B-Instruct-v0.1 — текстовая чат-модель, созданная слиянием Mistral AI и Sao10K. В README указано, что модели объединены методом SLERP с настройками, различающимися для слоёв self-attention и MLP. Архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров; веса опубликованы в формате safetensors. Модель рассчитана на генерацию ответов на инструкции и диалоговые запросы, а также на обычную генерацию текста. Метаданные указывают контекст до 32 768 токенов и английский язык. Лицензия — Apache-2.0. Карточка не приводит результатов оценивания качества или подробных рекомендаций по использованию.

ossamai-v0.2-merged16 — дообученная разговорная языковая модель, опубликованная blepdoge на основе unsloth/llama-3-8b-Instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста и диалоговых сценариев на английском языке с контекстом до 8192 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

P3-mini-v3 — дообученная разговорная языковая модель, опубликованная Ramikan-BR и основанная на unsloth/Phi-3-mini-4k-instruct-bnb-4bit. Она предназначена для генерации текста и диалоговых ответов. В метаданных указаны 3,7 млрд параметров, контекст до 4096 токенов, архитектура Mistral и формат PyTorch; для обучения использовались Unsloth и библиотека TRL. Модель поддерживает английский язык и распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробностей о данных дообучения, поэтому пригодность для конкретных сценариев следует проверять отдельно.

CorticalStack/pastiche-crown-clown-7b-dare-dpo — текстовая генеративная модель, созданная CorticalStack методом DPO-дообучения модели CorticalStack/pastiche-crown-clown-7b-dare на датасете jondurbin/truthy-dpo-v0.1. В основе — плотная архитектура MistralForCausalLM на 7,1 млрд параметров; модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Модель подходит для диалогов и генерации ответов с учётом предпочтений, заданных при DPO-обучении. В README также указаны параметры LoRA: r=16, alpha=16 и dropout=0,05. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. В карточке не описаны отдельные гарантии точности или специализированные области применения.

Модель ihughes15234/phi_3_5_mini_3k_each — разговорная языковая модель для генерации текста, разработанная ihughes15234 и дообученная на базе unsloth/phi-3.5-mini-instruct-bnb-4bit. В карточке указано, что обучение выполнялось с использованием Unsloth и библиотеки TRL. Модель предназначена для диалоговых сценариев и генерации текста по текстовому запросу. Она содержит 3,7 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст длиной до 4096 токенов. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, качество на тестах или конкретные ограничения, поэтому пригодность для узких задач следует проверять отдельно.

Карточка модели arefehRajabian/phi_finetune_microsoft_16bit на Hugging Face совпадает с карточкой arefehRajabian/phi_finetune_16bit, поэтому описание составлено по ней. Модель arefehRajabian/phi_finetune_16bit — дообученная автором arefehRajabian разговорная языковая модель для генерации текста. Она основана на unsloth/phi-4-bnb-4bit; карточка сообщает об обучении с помощью Unsloth и библиотеки TRL. В репозитории представлены веса Safetensors, размер модели — 14,1 млрд параметров, контекст — до 16 384 токенов. Модель поддерживает английский язык и предназначена для диалогового взаимодействия и генерации текста. Лицензия — Apache-2.0. Карточка не уточняет специализацию дообучения и его результаты.

Progenitor-V1.2-LLaMa-70B — экспериментальная чат-модель семейства Llama, созданная объединением нескольких языковых моделей с помощью mergekit и метода SCE. В качестве основы указан nbeerbower/Llama-3.1-Nemotron-lorablated-70B; в слияние также вошли Anubis-70B-v1, L3.1-70B-Hanami-x1, EVA-LLaMA-3.33-70B-v0.1, Negative_LLAMA_70B и 70B-L3.3-Cirrus-x1. Модель содержит 69,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалога. Автор отмечает характерный стиль и более выраженную склонность к эротизированной манере по сравнению с предыдущей версией, но не утверждает, что качество однозначно выше. Лицензия — llama3.3; применяются условия лицензии Llama 3.3.

QuantuMinx_4B — чат-модель с плотной архитектурой семейства Llama и примерно 3,9 млрд параметров. Она создана FourOhFour при участии нескольких участников Anthracite и получена слиянием методом SLERP моделей NeuroCom v2 и Zenith; в README также указано, что это производная Minitron. Базовой моделью в метаданных указана FourOhFour/Zenith_4B. Модель предназначена для общего ассистирования, ответов на запросы и ролевых диалогов. Она принимает текст и генерирует текст на английском языке. В метаданных заявлен контекст до 131 072 токенов, тогда как README сообщает, что все этапы настройки проходили с контекстом 8 000 токенов. Модель распространяется под лицензией Apache-2.0. Указанный в README контекст настройки меньше заявленного нативного контекста, поэтому качество на длинных диалогах может отличаться от возможностей, предполагаемых максимальной длиной контекста.

Quyen-Mini-v0.1 — разговорная языковая модель из серии Quyen, разработанной авторами карточки. Она основана на семействе Qwen1.5 и дообучена методами SFT и DPO на наборах OpenHermes-2.5, Capybara, Orca DPO и закрытых данных. Метаданные указывают архитектуру Qwen2 с плотной причинной языковой моделью, 1,5 млрд параметров и контекст до 8192 токенов; README указывает размер версии Quyen-Mini как 1,8 млрд параметров. Модель предназначена для диалогов, ответов на вопросы и генерации текста. В карточке указан шаблон ChatML, а среди языков — английский. README приводит результаты отдельных тестов, но полная таблица бенчмарков недоступна, поэтому они не дают основания судить о качестве во всех сценариях. Лицензия указана как other, конкретные условия использования в предоставленных данных не раскрыты.

munish0838/Qwen2-7b-Matter-0.1-Slim-A — дообученная языковая модель на архитектуре Qwen2 с 7,1 млрд параметров, созданная munish0838 на базе unsloth/Qwen2-7b-bnb-4bit. Модель предназначена для генерации текста в диалоговом формате и поддерживает английский язык. Для обучения использовались Unsloth и библиотека Hugging Face TRL; заявленный размер контекстного окна — 131 072 токена. Модель можно применять для генерации ответов и ведения текстовых диалогов. Она распространяется по лицензии Apache-2.0. Подробные сведения о наборе обучающих данных и оценке качества в карточке не приведены.

fluloeo/qwen-7b-evelina — дообученная автором fluloeo языковая модель семейства Qwen2.5 с плотной архитектурой Qwen2ForCausalLM. Она основана на unsloth/Qwen2.5-7B-Instruct-bnb-4bit и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Контекст составляет до 32 768 токенов; карточка указывает английский язык. Обучение выполнялось с использованием Unsloth и библиотеки TRL из Hugging Face. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, оценку качества или конкретные ограничения, поэтому пригодность для узких задач следует проверять отдельно.

RedPajama-INCITE-7B-Chat — языковая модель Together Computer для генерации текста в формате диалога. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров по метаданным каталога; в README указано 6,9 млрд. Она обучалась на RedPajama-Data-1T и использует данные OpenAssistant OASST1 и Databricks Dolly 15k. Модель ориентирована на английский язык, имеет контекст до 2048 токенов и распространяется в формате PyTorch по лицензии Apache 2.0. Её можно применять для ведения диалогов, ответов на вопросы, составления черновиков и продолжения текстов. Для инференса README указывает требования к GPU: 16 ГБ памяти в обычном режиме или 12 ГБ для режима int8; для запуска на CPU рекомендован bfloat16. Модель может выдавать неточные или нерелевантные ответы, особенно на сложные, неоднозначные вопросы и запросы за пределами обучающих данных. Она не предназначена для решений в критически важных сценариях.

Slavator096/saiga-phi-3-mini-4k — диалоговая языковая модель, созданная Slavator096 дообучением с учителем (SFT) microsoft/Phi-3-mini-4k-instruct на обучающей части набора IlyaGusev/ru_turbo_saiga с помощью Phinetune. Она предназначена для генерации ответов в чате и русскоязычных диалоговых сценариев. Модель использует плотную архитектуру Phi-3ForCausalLM, содержит 3,7 млрд параметров и работает с контекстом до 4096 токенов; в обучении максимальная длина последовательности составляла 2048 токенов. Весы опубликованы в формате safetensors, лицензия — CC BY 4.0. Карточка не сообщает об оценках качества или специальных ограничениях поведения модели.

Sailor-14B-Chat — чат-модель семейства Sailor, разработанная для работы с языками Юго-Восточной Азии. Она основана на Qwen2 и дообучена на открытых наборах данных для следования инструкциям и диалогов. Модель содержит 13,4 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации ответов, диалогов, ответов на вопросы и рассуждений на индонезийском, тайском, вьетнамском, малайском и лаосском языках. В карточке также отмечены английский и китайский; практические сценарии включают чат-помощников и выполнение инструкций на языках региона. Использование возможно на условиях лицензии Apache-2.0.

Sailor2-20B-Chat-1203 — чат-модель из проекта Sailor2, созданного сообществом для языков Юго-Восточной Азии. Это версия для диалогов и генерации текста, основанная на Qwen2.5 и продолжительно предобученная на 500 млрд токенов. Модель имеет плотную архитектуру Qwen2, около 18,4 млрд параметров и контекст до 4096 токенов; выпущена в формате safetensors и рассчитана на работу через Transformers. Модель поддерживает 15 языков: английский, китайский, бирманский, себуанский, илоканский, индонезийский, яванский, кхмерский, лаосский, малайский, сунданский, тагальский, тайский, вьетнамский и варайский. Подходит для многоязычных диалогов, ответов на вопросы и генерации текста для пользователей региона. README предупреждает, что это устаревшая версия, уступающая по точности Sailor2-20B-Chat-0219. Лицензия — Apache 2.0.

Seamaiiza-7B-v1 — текстовая генеративная модель, созданная AlekseiPravdin слиянием двух моделей семейства Mistral с помощью mergekit и метода SLERP. В конфигурации слияния указаны AlekseiPravdin/KSI-RP-NSK-128k-7B и SanjiWatsuki/Kunoichi-DPO-v2-7B; метаданные каталога указывают SanjiWatsuki/Kunoichi-DPO-v2-7B как базовую модель. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст для генерации продолжений и ответов в диалоге. Нативный контекст — 8192 токена. Репозиторий содержит веса в формате safetensors; модель опубликована по лицензии Apache-2.0. Карточка описывает способ слияния, но не приводит результаты оценки качества или специальные ограничения применения. Фактическое качество может зависеть от сценария и формулировки запроса.

Модель yuhengtu-bytedance/sfm_filtered_e2e_alignment-3k_4k_5k_6k_7k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear. В слияние вошли контрольные точки обучения filtered_e2e_alignment с шагов 3000, 4000, 5000, 6000 и 7000; базой для слияния указан чекпойнт с шага 7000. Разработчик репозитория — yuhengtu-bytedance. Модель предназначена для генерации текста и диалогового взаимодействия. Она построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров, принимает текст и выдаёт текст, а длина контекста составляет 16 384 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Карточка не приводит результатов оценки качества или подробностей о поведении модели, поэтому её пригодность для конкретных сценариев следует проверять самостоятельно. Лицензия в предоставленных данных не указана.

Vigneshwaran22/sim_model — дообученная модель генерации текста на архитектуре Qwen2, основанная на unsloth/qwen2.5-7b-bnb-4bit. По карточке, модель обучалась с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста; конкретная специализация и целевые сценарии не описаны. Модель содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Указан английский язык. Лицензия — Apache-2.0.

nebchi/solar-merge-slerp — это объединённая модель генерации текста на архитектуре Llama, созданная с помощью mergekit методом SLERP из davidkim205/nox-solar-10.7b-v2 и chihoonlee10/T3Q-ko-solar-dpo-v6.0. Модель содержит 10,4 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев на основе входного текста. Веса опубликованы в формате safetensors; README указывает конфигурацию с float16. В карточке не приведены сведения о конкретных языках, качестве на отдельных задачах или условиях лицензии.

Карточка модели espressovi/SUTRA-qwen3-8b-rlvr-close 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-MSlerp-7Bx2 — языковая модель для генерации текста, созданная Chihoon Lee (chlee10) и T3Q путём слияния двух моделей Mixtral с помощью mergekit и метода SLERP: zhengr/MixTAO-7Bx2-MoE-v8.1 и yunconglong/Truthful_DPO_TomGrc_FusionNet_7Bx2_MoE_13B. Репозиторий содержит веса в формате safetensors; метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу, в том числе для диалоговых сценариев. Архитектура — Mixtral MoE на базе MixtralForCausalLM. Языки и специализированные области применения в карточке не описаны, поэтому их нельзя определить точнее. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или сравнительных тестов; применимость к конкретным задачам следует проверять отдельно.

sthenno/tempesthenno-ppo-ckpt40 — языковая модель на 14 млрд параметров, основанная на архитектуре Qwen2 и представленная в формате safetensors. Карточка описывает её как объединение моделей методом NuSLERP; метаданные связывают её с sthenno/tempesthenno-14b-nuslerp-0111 и sthenno/tempesthenno-hs2-rm. В метаданных также указаны обучение с использованием PPO и набора NVIDIA HelpSteer2, поддержка чата, английского и китайского языков и контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В README приведены результаты Open LLM Leaderboard, включая оценки IFEval и BBH, но этих данных недостаточно, чтобы установить её сильные стороны в конкретных пользовательских сценариях. Лицензия — Apache-2.0.

Tess-XS-Creative-v1.0 — экспериментальная версия модели общего назначения из серии Tess, представленной разработчиком Migtissera. Это плотная авторегрессионная языковая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная на базе Mistral-7B. Она предназначена для генерации текста в диалоговом формате с ролями SYSTEM, USER и ASSISTANT; заявленная длина контекста — 32 768 токенов. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. В README эта версия названа устаревшей экспериментальной сборкой; автор рекомендует вместо неё стабильную Tess-XS-v1.3-yarn-128K. Данных о специализации на конкретном языке или предметной области нет, поэтому модель следует рассматривать как универсальную текстовую модель.

TigerBot-13B-Chat-v4 — TigerResearch әзірлеген диалогқа бағытталған тілдік модель. Ол пайдаланушымен чаттасуға және мәтіндік сұрауларға жауап беруге арналған; карточкада Transformers арқылы іске қосу сипатталған. Модель Llama архитектурасына негізделген тығыз авторегрессиялық генератор, көлемі 13 млрд параметр. Кіріс пен шығыс модальдігі — мәтін, карточка тілдері — қытай және ағылшын, ал табиғи контекст ұзындығы — 2048 токен. Модель Apache-2.0 лицензиясымен таратылады.

tolk-7B — дообученная языковая модель от RaspizdAI на базе deepseek-ai/DeepSeek-R1-Distill-Qwen-7B. Она предназначена для многоходового диалога, общения в заданной персоне и генерации структурированного текста на русском и английском языках. Модель использует плотную архитектуру Qwen2 с причинной языковой моделью, содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Модель подходит для диалоговых ассистентов, которым важно поддерживать беседу на русском или английском, придерживаться заданного образа и выдавать текст в заданной структуре. Метаданные указывают поддержку чата и интерфейса вызова инструментов; качество этих возможностей отдельно не охарактеризовано. Модель распространяется под лицензией MIT.

Torus Agent v1 — дообученная языковая модель автора samuel-wakefield на базе unsloth/llama-3-8b-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста. Карточка сообщает об обучении с использованием Unsloth и библиотеки TRL; репозиторий содержит веса в формате safetensors. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 8192 токена. Её можно использовать для генерации продолжений текста и других сценариев текстовой генерации. Лицензия — Apache-2.0. Карточка не описывает специализированную предметную область или отдельные возможности агента.

WindstormTranslate/translate-en-hu — модель машинного перевода от Windstorm Labs для перевода текста с английского на венгерский. Это дообученная версия Helsinki-NLP/opus-mt-en-hu на параллельных текстах: LoRA-адаптер объединён с базовыми весами. Модель построена на архитектуре Marian, содержит 57,2 млн параметров и принимает контекст длиной до 512 токенов. Модель предназначена для перевода с английского на венгерский. В проверке на 48 предложениях FLORES-200 она получила chrF++ 56,03 и BLEU 30,36; авторы характеризуют результат как скрининговую оценку, а не как результат публикационного исследования. Поддерживается только одно направление перевода. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

TranslateGemma 27B IT — модель перевода от Google Translate на основе Gemma 3. Она предназначена для перевода текста между 55 языками, а также для извлечения и перевода текста с изображений. Модель принимает текст или изображение; для изображений предусмотрена обработка с разрешением 896 × 896 пикселей. Контекст составляет 2K токенов, результат — текст перевода. Репозиторий содержит веса в формате safetensors и рассчитан на использование через Transformers. Модель дообучена на параллельных данных: использовались переводы, сгенерированные Gemini, и общедоступные параллельные документы. Компактность семейства TranslateGemma рассчитана на развёртывание на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре. Указанная лицензия — gemma; применяются условия использования Gemma. Качество может снижаться из-за пробелов и смещений в обучающих данных, неоднозначности и тонких языковых нюансов. Карточка позиционирует модель именно для перевода и не заявляет другие способности; фактическая точность перевода зависит от контекста и сложности текста.

TwinLlama-3.1-8B — текстовая модель семейства Llama, разработанная aczire и дообученная на базе meta-llama/Llama-3.1-8B с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для генерации текста и диалогового общения. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекстное окно до 131 072 токенов. В карточке указан английский язык; метаданные базовой модели также описывают поддержку восьми языков, но языки, на которых специально обучена именно эта производная модель, не перечислены. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не уточняет набор данных, специализацию дообучения или результаты оценки, поэтому качество и пригодность для конкретных задач следует проверять отдельно.

YamshadowInex12_Experiment24Inex12 — слитая модель семейства Mistral, созданная на основе automerger/YamshadowInex12-7B и automerger/Experiment24Inex12-7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не уточняет целевые языки, специализацию или результаты оценки качества; пригодность для конкретных задач следует проверять отдельно.