III.2Исследование рынка и маркетинг

Helide Beta R3 — языковая модель для генерации текста и диалогов, созданная объединением моделей Fizzarolli/L3-8b-Rosier-v1 и Sao10K/L3-8B-Stheno-v3.2. Разработчик объединил предварительно обученные модели методом SLERP с помощью mergekit; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров. Модель предназначена для общения, написания историй и выполнения инструкций на английском языке. Она поддерживает чат и имеет контекстное окно 8192 токена. Репозиторий содержит веса в формате safetensors. Лицензия в доступных данных не указана.

Henbane-7b-attempt2 — дообученная Edens-Gate модель генерации текста на архитектуре Qwen2. Она основана на Qwen/Qwen2-7B и содержит 7,1 млрд параметров; карточка указывает контекст до 131072 токенов и формат PyTorch. Модель поддерживает диалоговый режим и предназначена для генерации текста и ответов в разговорном формате. В README приведены значение loss 1,0222 на оценочном наборе и результаты отдельных тестов Open LLM Leaderboard, включая IFEval и BBH. Данные обучения описаны как набор None, поэтому назначение дообучения и его специализацию определить нельзя. Модель распространяется по лицензии Apache-2.0.

Edens-Gate/Holland-Magnum-Merge — разговорная языковая модель, созданная слиянием моделей anthracite-org/magnum-v2-4b и Delta-Vector/Holland-4B-V1 методом SLERP с помощью mergekit. Модель построена на плотной архитектуре Llama и содержит 3,9 млрд параметров; формат весов — safetensors, библиотека — Transformers. Заявленный контекст составляет 8192 токена. Модель предназначена для генерации текста и диалоговых ответов. Её можно использовать в чат-сценариях и для создания связного текста. Карточка описывает процедуру слияния, но не приводит оценок качества, конкретных языковых характеристик или ограничений по применению. Лицензия в предоставленных данных не указана.

Janus-ORPO-7B — языковая модель, разработанная KAIST AI на основе Mistral-7B-v0.2 с применением метода ORPO. Для выравнивания использован Multifaceted Collection — набор из 196 тысяч уникальных системных сообщений, представляющих разнообразные предпочтения людей. Модель предназначена для генерации ответов на английском языке с учетом инструкций и заданного системного сообщения. Она подходит для диалогов и персонализированных ответов, а обучение также направлено на полезность и безвредность ответов. Архитектура — плотная авторегрессионная MistralForCausalLM, размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель распространяется по лицензии Apache 2.0. Карточка описывает обучение на предпочтениях, но не приводит количественных результатов оценки; качество ответов может зависеть от системного сообщения и формулировки запроса.

Ko-Mixtral-v1.3-MoE-7Bx2 — языковая модель Seungyoo Lee (DopeorNope) и Kyujin Han, построенная на архитектуре Mixtral с разреженной смесью экспертов. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста с контекстом до 32 768 токенов. Модель обучали на корпусе AI Hub: сначала проводили непрерывное предварительное обучение, затем настройку на инструкциях. В карточке описаны задачи предсказания пропусков, выравнивания текста и его продолжения, включая примеры на корейском языке. Метаданные указывают корейский и английский как языки карточки; это не подтверждает одинаковый уровень качества для обоих языков. Веса опубликованы в формате safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные работы на тех же условиях, а также ограничивает коммерческое использование.

Kosmos-EVAA-Franken-v38-8B — разговорная языковая модель, созданная объединением предварительно обученных моделей jaspionjader/fct-18-8b и jaspionjader/fct-14-8b методом SLERP с помощью mergekit. Модель основана на архитектуре Llama и содержит 7,5 млрд параметров; она предназначена для генерации текста и диалоговых ответов. Длина контекста составляет 8192 токена. Модель распространяется в формате safetensors и рассчитана на использование через Transformers. README не приводит результатов оценки качества, рекомендуемых сценариев настройки или сведений о лицензии, поэтому эти свойства нельзя уточнить по доступным данным.

Kosmos-EVAA-PRP-light-8B — объединённая модель для генерации текста, созданная jaspionjader с помощью mergekit. В слиянии методом SLERP использованы jaspionjader/Kosmos-EVAA-PRP-8B и jaspionjader/Kosmos-EVAA-TSN-v22-8B. Модель построена на архитектуре Llama и содержит 7,5 млрд параметров. Она предназначена для генерации текста и может использоваться в текстовых диалогах. Нативный контекст составляет 8192 токена; веса опубликованы в формате Safetensors для библиотеки Transformers. Карточка не сообщает о специализации на конкретном языке или предметной области, поэтому применимость к отдельным языкам и областям по имеющимся сведениям оценить нельзя. Условия лицензии в доступных данных не приведены.

Jaspionjader/Kosmos-EVAA-v11-8B — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом SLERP из Kosmos-EVAA-v10-8B и Auro-Kosmos-EVAA-v2.2-8B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров. Модель предназначена для генерации текста и диалогов по текстовому запросу. Контекст составляет 8192 токена; веса опубликованы в формате safetensors и предназначены для работы через Transformers. Данных о специализированных предметных областях или поддерживаемых естественных языках в карточке нет. Лицензия в предоставленных данных не указана. Качество и ограничения унаследованы от исходных моделей и результата их объединения; отдельные оценки или известные ограничения в карточке не описаны.

Lite-Cydonia-22B-v1.1-75-25 — это слитая модель для генерации текста и диалогов, созданная автором knifeayumu с помощью mergekit. В слиянии использованы TheDrummer/Cydonia-22B-v1.1 с весом 75% и mistralai/Mistral-Small-Instruct-2409 с весом 25%; метод — task arithmetic. Модель имеет плотную архитектуру Mistral, 22 млрд параметров и контекст до 131 072 токенов. Модель предназначена для диалогов и творческой генерации с менее выраженным уклоном в «злые» ответы по сравнению с исходной Cydonia. По словам автора, начальные проверки показали, что модель реже отвечает на провокационные вопросы без дополнительного убеждения, но автор также отмечает, что она может быть недостаточно умной и генерации могут оставаться предсказуемыми. Репозиторий содержит веса Safetensors; лицензия указана как other, поэтому условия использования следует уточнить в карточке модели и у авторов базовых моделей.

Модель ETRI xainlp team — языковая модель семейства Llama для генерации текста, дообученная на наборах инструкций и пользовательских предпочтений с использованием SFT и DPO через LoRA. Она принимает и выдаёт текст, подходит для диалоговых сценариев и выполнения инструкций. В карточке указана базовая модель meta-llama/Llama-13b-hf; число параметров — 12,9 млрд, длина контекста — 4096 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробностей о поддерживаемых языках; применение вне английского языка не подтверждено.

promotion/Llama-3.1-8B-TLDR-NBPO-finitepool — диалоговая языковая модель на архитектуре Llama, дообученная на базе meta-llama/Llama-3.1-8B-Instruct методом Nash Bargaining Preference Optimization (NBPO) в варианте finite-pool. Она предназначена для генерации кратких пересказов TL;DR, ориентированных на полноту охвата, точность, краткость и полезность. В карточке указаны 7,5 млрд параметров и контекст до 131 072 токенов; модель использует Transformers и формат safetensors. Обучение проводилось на пуле ответов с целями, полученными из попарных предпочтений. Качество оценивали по независимым показателям предпочтения для каждой цели на отложенных промптах, используя Llama-3.3-70B-Instruct как судью. Модель основана на Llama 3.1 8B Instruct и распространяется по лицензии Llama 3.1. README описывает эксперимент оценки на TL;DR, поэтому практические результаты за пределами этого сценария не подтверждены.

Mungert/Llama-3.2-1B-GGUF — это компактная GGUF-версия языковой модели Llama 3.2, разработанной Meta. Репозиторий предназначен для запуска модели в совместимых средах инференса, поддерживающих формат GGUF, и для задач генерации текста, включая диалоговые сценарии, ответы на запросы и другие приложения на основе языковых моделей. Из доступных данных известно, что модель относится к семейству Llama 3.2, имеет размер 1B параметров и поддерживает текстовую генерацию. В карточке указаны английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Архитектура, точная длина контекста, параметры квантования и сведения о мультимодальности не указаны; по имеющейся информации модель следует рассматривать как текстовую, а не мультимодальную. Небольшой размер может облегчать локальный запуск и снижать требования к вычислительным ресурсам, однако по сравнению с более крупными моделями может ограничивать качество сложного рассуждения, точность и устойчивость на специализированных задачах. Модель распространяется по Llama 3.2 Community License от Meta. Лицензия предусматривает требования к атрибуции, маркировке продуктов, соблюдению Acceptable Use Policy и условиям перераспределения; для организаций с более чем 700 миллионами ежемесячно активных пользователей требуется отдельное разрешение Meta.

Llama-3-70B-Instruct-32k-v0.1 — экспериментальная версия Meta Llama 3 70B Instruct, опубликованная MaziyarPanahi. В ней изменён параметр rope_theta на 8m; метаданные указывают 69,5 млрд параметров, плотную архитектуру Llama и формат safetensors. Модель предназначена для диалоговой генерации текста на английском языке и имеет контекстное окно 8192 токена. Модель подходит для создания чат-ассистентов, ответов на вопросы и генерации текста. README также ссылается на отдельную коллекцию её квантованных версий в GGUF. Указанная лицензия — other; условия использования следует сверить с лицензией базовой модели Meta Llama 3.

Magpie-Align/Llama-3-8B-ShareGPT-112K — плотная авторегрессионная языковая модель семейства Llama 3 с 7,5 млрд параметров, созданная дообучением Meta-Llama-3-8B. Модель предназначена для генерации текста в диалоговом формате и может использоваться в чат-сценариях. Модель принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. В карточке указаны форматы PyTorch и Safetensors и лицензия Llama 3. README сообщает о результате loss 0,4747 на оценочном наборе, но не приводит подробностей о данных, методике оценки или качестве ответов.

maid-yuzu-v5-mix — языковая модель для генерации текста и диалогов, созданная автором карточки слиянием моделей через mergekit методом SLERP. В объединение вошли maid-yuzu-v5 и smelborp/MixtralOrochi8x7B; конфигурация использует коэффициент смешивания 0,5 и формат весов bfloat16. По метаданным это модель архитектуры Mixtral с классом MixtralForCausalLM и 7,1 млрд параметров, принимающая текст и рассчитанная на контекст до 32 768 токенов. Модель подходит для генерации ответов в чате и продолжения текста. Базовая MixtralOrochi8x7B предназначена для английских ответов и диалогов; данных о языках и специальных прикладных областях именно этой версии карточка не приводит. Модель опубликована в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

mergekit-community/mergekit-slerp-gpprpds — языковая модель для генерации текста, созданная сообществом слиянием Equall/Saul-Base и HuggingFaceH4/zephyr-7b-beta методом SLERP через mergekit. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалогов, ответов на вопросы и выполнения инструкций на английском языке. Слияние сочетает компоненты двух предварительно обученных моделей; репозиторий содержит веса Safetensors. Поддержка русского языка или специализированных прикладных областей в карточке не заявлена. Лицензия в предоставленных данных не указана.

Mungert/Midm-2.0-Base-Instruct-GGUF — это GGUF-квантизированная версия Mi:dm 2.0 Base Instruct, разработанной компанией KT с использованием собственной технологии. Модель ориентирована на корейский контекст: она предназначена для понимания и генерации текста с учетом корейских социальных, культурных и нормативных особенностей. Указанные языки — корейский и английский, основной сценарий применения — текстовая генерация и диалоговые ассистенты. Исходная Mi:dm 2.0 Base представляет собой плотную модель примерно на 11,5 млрд параметров, созданную путем масштабирования 8-миллиардной модели методом Depth-up Scaling (DuS). Данная версия преобразована в формат GGUF с помощью llama.cpp и предназначена для локального запуска и выбора различных уровней квантования. В карточке также описан подход к повышению точности квантования: отдельные важные слои переводятся на более высокую точность, что может улучшать качество при небольшом увеличении размера файла. Сильными сторонами модели являются специализация на корейском языке и культурном контексте, баланс между размером и производительностью, а также пригодность к локальному развертыванию благодаря формату GGUF. Ограничения включают возможные потери качества из-за квантования, зависимость характеристик от выбранного варианта GGUF и отсутствие в предоставленных данных сведений о размере контекста, конкретных уровнях квантования и полной сравнительной оценке. Модель распространяется по лицензии MIT.

Mindy-7b-v2 — языковая модель Mindy Group, Inc., полученная слиянием AIDC-ai-business/Marcoroni-7B-v3 и Weyaxi/Seraph-7B. Это плотная Transformer-модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Репозиторий содержит веса в формате safetensors; заявленная длина контекста — 32 768 токенов. Модель рассчитана на англоязычные сценарии генерации текста. Лицензия — Apache-2.0. В карточке нет подробных сведений о качестве, обучающих данных или специализированных возможностях; применимость к конкретной задаче следует проверять отдельно.

Mixllama3-8x8b-Instruct-v0.1 — экспериментальная разговорная модель с архитектурой Mixture of Experts, опубликованная sherazkhan. По карточке, она объединяет восемь дообученных моделей LLaMA 3 на 8 млрд параметров, каждая из которых специализируется на отдельных задачах. Метаданные указывают архитектуру Mixtral и класс MixtralForCausalLM; общий размер модели — 7,5 млрд параметров, контекст — 8192 токена. Модель предназначена для генерации текста и диалоговых сценариев широкого назначения. В карточке не перечислены конкретные языки, кроме английского в метаданных. Модель может давать неверные или вредоносные ответы; автор отмечает, что это исследовательский эксперимент. Указана лицензия llama3 — Meta Llama 3 Community License.

MixtralOrochi8x7B-Alt — языковая модель на архитектуре Mixtral, созданная автором smelborp путём объединения нескольких моделей, включая Mixtral Instruct, Noromaid и OpenBuddy, с помощью mergekit и метода DARE. Модель предназначена для генерации текста и диалогов с широким охватом тем; в карточке заявлен акцент на развёрнутые ответы без встроенных ограничений по содержанию. Модель использует архитектуру Mixture of Experts, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В метаданных указан английский язык. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не для коммерческих целей. Из-за заявленного отсутствия ограничений модель может генерировать неподходящий или вредоносный контент; для пользовательских сценариев следует предусмотреть собственную модерацию. Авторские заявления о высокой интеллектуальности не сопровождаются в карточке результатами оценки качества.

Alchan/mpt-7b-chat — диалоговая языковая модель, созданная MosaicML дообучением MPT-7B на наборах ShareGPT-Vicuna, HC3, Alpaca, HH-RLHF и Evol-Instruct. Она предназначена для генерации ответов в диалоге, следования инструкциям и создания текста в формате чат-бота. Модель использует модифицированную архитектуру декодерного трансформера MPT с 6,7 млрд параметров, 32 слоями и 32 головами внимания. В ней применяются FlashAttention и ALiBi; формат весов — PyTorch и Safetensors. Для загрузки через Transformers требуется включить trust_remote_code. В карточке приведён пример создания твита по описанию статьи. Модель может выдавать фактически неверные, предвзятые, грубые или оскорбительные ответы. Языки обучения и поддерживаемые языки явно не перечислены. Лицензия CC-BY-NC-SA-4.0 разрешает только некоммерческое использование с соблюдением условий атрибуции и распространения на тех же условиях.

Это дообученная модель mT5 от команды csebuetnlp, созданная на основе набора CrossSum. Она суммирует текст на разных языках, формируя краткое изложение на арабском языке. Модель подходит для многоязычного суммирования новостей и других текстов, когда итог нужно получить по-арабски. Архитектура — mT5 для генерации текста по тексту, размер — 291,2 млн параметров. В README указано обучение на всех межъязыковых парах CrossSum с арабским целевым резюме; метаданные содержат языковые теги для широкого набора языков. Репозиторий опубликован в формате PyTorch и использует лицензию базовой модели mT5; сведения о лицензии в предоставленных данных отсутствуют.

NeuralsirkrishnaShadow_ShadowMeliodas — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/ShadowMeliodas-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке не описаны специализация, поддерживаемые естественные языки или результаты оценки качества. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache 2.0.

NeuralSynthesis-7B-v0.1 — слитая модель для генерации текста, опубликованная пользователем Kukedlc. Она объединяет четыре модели на базе Mistral с помощью LazyMergekit и метода model_stock; в конфигурации указана точность bfloat16. Архитектура — плотная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов на английском и испанском языках. В карточке приведены результаты оценивания на Open LLM Leaderboard, включая средний балл 76,80, однако конкретные сценарии и качество на отдельных прикладных задачах README не описывает. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0.

vicgalle/OpenHermes-Qwen1.5-1.8B — разговорная языковая модель, опубликованная vicgalle и основанная на архитектуре Qwen2. Она предназначена для генерации текста в диалоговом формате и может использоваться как компактный чат-ассистент.

Helsinki-NLP выпустила Helsinki-NLP/opus-mt-itc-en — компактную модель машинного перевода семейства Marian на архитектуре Transformer. Она переводит с группы италийских языков на английский; среди языков источника README перечисляет итальянский, каталанский, испанский, португальский, французский, румынский, окситанский, романшский и другие, включая региональные языки и варианты. Модель содержит 54,4 млн параметров, использует нормализацию и SentencePiece с моделями токенизации spm32k для исходного и целевого текста, а длина контекста составляет 512 токенов. Модель предназначена для перевода текстов с языков-источников на английский, в том числе для локализации и обработки многоязычных материалов. В карточке приведены результаты на тестовых наборах, включая BLEU 36,5 для перевода с румынского и значения BLEU 30,9 и 35,5 для перевода с французского; качество может различаться в зависимости от языка, тематики и формулировок. Модель принимает и выдаёт текст. Лицензия — Apache-2.0.

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.

WesPro/PsyKidelic_Llama3_LimaRP — объединённая языковая модель, созданная WesPro с помощью mergekit линейным слиянием WesPro/PsykidelicLlama3 и mpasila/Llama-3-LimaRP-LoRA-8B. Она предназначена для генерации текста в диалоговом формате и может использоваться для ведения бесед и создания ответов на текстовые запросы. Модель основана на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Репозиторий хранит веса в формате safetensors; README указывает на слияние в float16. Лицензия в предоставленных данных не указана.

ehristoforu/Qwen2-1.5b-it-chat-sp-ru — диалоговая текстовая модель семейства Qwen2, разработанная ehristoforu как дообучение ehristoforu/Qwen2-1.5b-it-chat-sp. Модель содержит 1,5 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и принимает текст для генерации продолжения или ответа в чате. Длина контекста составляет 32 768 токенов. Модель предназначена для диалоговой генерации текста. В карточке указано, что обучение выполнялось с Unsloth и библиотекой TRL; целевой язык по названию модели — русский, а среди метаданных также указан английский. Репозиторий распространяется по лицензии Apache-2.0. Карточка не сообщает о специализированной предметной области или дополнительных возможностях.

Эта модель — дообученная anggapradana версия языковой модели Qwen2.5-1.5B-Instruct-bnb-4bit от Unsloth. Она использует плотную архитектуру Qwen2 и предназначена для генерации текста и диалоговых сценариев. Модель содержит 1,5 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. В карточке указано, что для обучения использовались Unsloth и библиотека TRL; данных о специальной области применения или отдельной оценке качества нет.