III.2Исследование рынка и маркетинг

Qwen3-1.7B-reas-int-065-3-epochs — дообученная модель генерации текста на основе Qwen/Qwen3-1.7B. Репозиторий указывает, что дообучение выполнено на неизвестном наборе данных; дополнительных сведений о специализации модели нет. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 1,7 млрд параметров и принимает текст для генерации текста. Доступны диалоговые возможности, а длина контекста составляет до 40 960 токенов. Модель подходит для текстовых диалогов и других задач генерации, которые поддерживает базовая модель, однако конкретные улучшения от дообучения не описаны. Языки и результаты оценки именно этой версии не приведены. Весовые файлы представлены в формате safetensors. Лицензия — Apache-2.0.

Qwen3.5-9B-Writing-DPO-i1-GGUF — квантизированная версия языковой модели Qwen3.5-9B-Writing-DPO, подготовленная mradermacher на основе модели nbeerbower. Модель предназначена прежде всего для генерации и улучшения текстов на английском языке; в метаданных также указано обучение на датасете schneewolflabs/Athanorlite-DPO. Формат GGUF ориентирован на локальный запуск в совместимых инструментах, поддерживающих этот формат. Модель имеет около 9 млрд параметров и относится к текстовым генеративным моделям; сведения о мультимодальности, длине контекста и подробной архитектуре в README отсутствуют. Доступны многочисленные варианты квантизации от i1-IQ1_S до i1-Q6_K с размером файлов примерно от 2,5 до 7,5 ГБ. В README отмечается компромисс между размером, скоростью и качеством: i1-Q4_K_M назван рекомендуемым быстрым вариантом, а i1-Q4_K_S — оптимальным по соотношению размера, скорости и качества; самые низкобитные варианты могут заметно уступать по качеству. Основные ограничения — ориентация заявлена только на английский язык, а качество зависит от выбранного типа квантизации. Лицензия в README не указана.

ferrazzipietro/Qwen3-8B-cpt-tesi_it — дообученная авторегрессионная языковая модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и 7,6 млрд параметров. Она создана на основе Qwen/Qwen3-8B-Base и предназначена для генерации текста; в метаданных также отмечен разговорный режим. Модель принимает текст и генерирует текст, с контекстом до 32 768 токенов. README не раскрывает датасет, целевую специализацию или результаты оценки, поэтому нельзя подтвердить конкретные преимущества и сценарии, связанные с суффиксом «it». Лицензия — Apache 2.0.

SamirGPT-v1 — англоязычная текстовая генеративная модель на базе архитектуры Mistral, созданная слиянием cookinai/CatMacaroni-Slerp и viethq188/LeoScorpius-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев на английском языке. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Подробности о качестве ответов и специальных возможностях в карточке не приведены.

Seed 1.6 Flash — мультимодальная модель глубокого рассуждения от ByteDance Seed, предназначенная для работы с текстом и визуальной информацией. Она поддерживает контекст длиной 256 тысяч токенов и ориентирована на быстрый отклик. Модель подходит для диалога и задач, где нужно анализировать изображения вместе с текстом. README обрывается на описании выходных возможностей, поэтому дополнительные функции и ограничения по качеству определить нельзя. Условия лицензии в доступных сведениях не приведены.

sfm_filtered_insert_xxf_character-8k_9k_10k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear. В качестве базовой использована контрольная точка global_step10000, объединённая с контрольными точками global_step8000 и global_step9000; все три относятся к набору filtered_insert_xxf_character. Модель предназначена для генерации текста и диалоговых сценариев. Она построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров, работает с библиотекой Transformers и принимает контекст длиной до 16 384 токенов. Данные не позволяют установить поддерживаемые естественные языки или специализированные области применения. Модель распространяется в формате safetensors. Сведения о лицензии и известных ограничениях в предоставленных материалах отсутствуют.

Модель sfmunfilterede2ealignment-1k2k3k4k5kweightedavgmerge — объединённая модель генерации текста, опубликованная пользователем yuhengtu из ByteDance. Она создана методом Linear merge через mergekit из пяти контрольных точек обучения с шагами 1000, 2000, 3000, 4000 и 5000; базовой при слиянии указана контрольная точка global_step5000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и рассчитана на контекст до 16 384 токенов. Модель предназначена для диалоговой генерации текста. Карточка не уточняет языки, конкретные области применения или сравнительные результаты. Репозиторий содержит веса в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

sfm_unfiltered_midtrain_alignment-2k_3k_4k_weightedavg_merge — объединённая языковая модель, созданная методом Linear merge с помощью mergekit. В качестве базовой точки использован чекпойнт global_step4000; в слияние также вошли чекпойнты global_step2000 и global_step3000. Разработчик в карточке не назван. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия, использует библиотеку Transformers и формат весов safetensors. Заявленная длина контекста — 16 384 токена. В карточке нет сведений о поддерживаемых естественных языках или специализированных прикладных областях. Лицензия и ограничения на использование в карточке не описаны. Качество, безопасность и пригодность модели для конкретных сценариев отдельно не охарактеризованы.

shantanu61000/sfr-copernicus-v1 — дообученная автором shantanu61000 диалоговая модель на архитектуре Llama 3. Она предназначена для генерации текста и ответов в формате общения; карточка сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. В качестве основы использована Salesforce/LLaMA-3-8B-SFR-Iterative-DPO-R — англоязычная диалоговая модель, обученная отвечать на инструкции. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или специализированных областей применения; результативность для конкретных задач стоит проверять отдельно.

tlphams/solar-10.7b-merged-v0.1 — объединённая языковая модель на базе архитектуры Llama, созданная методом TIES с помощью mergekit. В качестве базовой модели использована upstage/SOLAR-10.7B-v1.0; в объединение также вошли chihoonlee10/T3Q-ko-solar-dpo-v5.0, krevas/SOLAR-10.7B и hyeogi/SOLAR-10.7B-v1.6. Модель предназначена для генерации текста. Она содержит 10,6 млрд параметров, принимает текст и выдаёт текст, а её родной контекст составляет 4096 токенов. Карточка не уточняет целевые языки и особые сценарии применения. Веса опубликованы в формате safetensors по лицензии CC BY-NC-SA 4.0, которая требует указания авторства, распространения производных работ на тех же условиях и запрещает коммерческое использование. Данных о сравнительных преимуществах модели в карточке нет.

blueRab2it/solar-beam-slerp-v0.1 — объединённая языковая модель, созданная с помощью mergekit методом SLERP из davidkim205/komt-solar-10.7b-sft-v5 и Deepnoid/deep-solar-eeve-v2.0.1. Это плотная архитектура Llama с классом LlamaForCausalLM, 7,2 млрд параметров и контекстом до 4096 токенов. Модель предназначена для генерации текста и выполнения задач по текстовым инструкциям. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Базовая KOMT-Solar-10.7B-SFT-v5 описана как корейская модель для генерации текста и ответов на инструкции; данных о дополнительных языковых возможностях итоговой модели нет. Лицензия — Apache-2.0.

sparsetral-16x7B-v2-SPIN_iter1 — разговорная языковая модель семейства Sparsetral, опубликованная serpdotai. Это итерация дообучения базовой sparsetral-16x7B-v2-SPIN_iter0 методом SPIN на OpenHermes-2.5 с добавлением примеров из наборов DPO. Модель построена на архитектуре MistralForCausalLM с разреженной смесью экспертов (MoE); метаданные указывают 7,1 млрд параметров, контекст до 32 768 токенов и формат Safetensors. Модель предназначена для генерации текста в диалогах и выполнения общих инструкций на английском языке. В README указан формат диалога с ролями system, user и assistant. Разработчик описывает эту версию как промежуточную итерацию и отмечает, что обучение пока приостановлено; поддержка специальных токенов чата и вызова функций обсуждалась как возможное направление дальнейшей работы. Модель распространяется по лицензии Apache-2.0. Ее характеристики отражают конкретную итерацию обучения, поэтому качество на отдельных задачах может различаться; в README разработчик приглашает присылать примеры задач, с которыми Sparsetral справляется слабо.

Это 16-битная версия StableLM-Tuned-Alpha, опубликованная vvsotnikov для ускорения работы и снижения потребления памяти. В README указано, что других изменений относительно исходной модели не вносилось. Модель на архитектуре GPT-NeoX предназначена для генерации текста в диалоговом формате и других сценариев работы с текстовыми запросами. Она рассчитана на английский язык и имеет контекстное окно 4096 токенов. В репозитории указаны веса PyTorch и 10 млрд параметров. Лицензия CC-BY-NC-SA-4.0 ограничивает коммерческое использование и требует соблюдения условий атрибуции и распространения.

QuantFactory/Starling-LM-7B-beta-GGUF — это версия языковой модели Starling-LM-7B-beta в формате GGUF, подготовленная QuantFactory. Исходную модель разработала команда Nexusflow: Banghua Zhu, Evan Frick, Tianhao Wu, Hanlin Zhu, Karthik Ganesan, Wei-Lin Chiang, Jian Zhang и Jiantao Jiao. Модель предназначена для генерации текста и диалоговых сценариев, включая создание полезных и безопасных ответов. Starling-LM-7B-beta — языковая модель с 7 млрд параметров, дообученная методами RLHF и RLAIF. Она создана на основе Openchat-3.5-0106, которая, в свою очередь, базируется на Mistral-7B-v0.1. Для обучения использовались reward model Starling-RM-34B, датасет berkeley-nest/Nectar и оптимизация PPO. Заявлена поддержка английского языка. В README не указаны точный размер контекста, конкретные варианты квантования и доступные модальности; по назначению это текстовая модель. К сильным сторонам относятся оптимизация полезности и безопасности ответов с помощью RLAIF, а также результат 8,12 в MT-Bench при оценке GPT-4. Ограничения включают бета-статус, ориентацию на английский язык и отсутствие в README подробностей о производительности, требованиях к оборудованию и характеристиках отдельных GGUF-файлов. Модель распространяется по лицензии Apache-2.0 с условием, что она не используется для конкуренции с OpenAI.

Карточка модели espressovi/SUTRA-qwen3-8b-rlvr-far 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.

Taiwan LLM 7B v2.0.1 chat — это чат-модель на архитектуре Llama, разработанная для традиционного китайского языка и языковых и культурных особенностей Тайваня. Модель создана на основе yentinglin/Taiwan-LLM-7B-v2.0-base и дообучена методом supervised fine-tuning на общедоступных и синтетических текстовых данных. Модель предназначена для диалога, понимания и генерации текста на традиционном китайском языке. В карточке отмечены улучшения на бенчмарках TC-Eval, но конкретные результаты не приведены. Размер модели — 6,6 млрд параметров, контекст — 4096 токенов; для запуска указан Transformers, веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Модель предоставляется без гарантий, а точность и пригодность ответов пользователь должен проверять самостоятельно. Разработчики не рекомендуют применять её для медицинской диагностики, юридических консультаций и финансовых решений.

Диалоговая языковая модель MaziyarPanahi, полученная слиянием Mistral-7B-Instruct-v0.2 и Weyaxi/test-help-steer-filtered-orig методом SLERP. Она предназначена для генерации текста в ответ на инструкции и ведения диалога. Модель построена на плотной архитектуре 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 описывает отдельные специализированные области применения или дополнительные модальности; её назначение — диалоговая генерация текста. README указывает на слияние двух моделей, но не приводит сравнительных оценок качества или подробностей о языках.

mayacinka/trix-llama-3-8B-stock — плотная языковая модель семейства Llama 3, созданная слиянием Meta-Llama-3-8B, Meta-Llama-3-8B-Instruct и Llama-3-SLERP-8B с помощью LazyMergekit и метода model_stock. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста и диалоговое использование; контекстное окно составляет 8192 токена. Модель подходит для генерации ответов ассистента и ведения диалогов на английском языке. Веса опубликованы в формате safetensors и представлены в bfloat16. Репозиторий не указывает лицензию итоговой модели, поэтому условия её использования по имеющимся данным определить нельзя.

Typhoon llama3.2 KordTranslate EN-TH 1B — это дообученная KordAI модель машинного перевода с архитектурой Llama 3.2 и примерно 1,2 млрд параметров. Она выполняет перевод с английского на тайский и с тайского на английский; для перевода рассчитана на инструкции и наследует языковое понимание базовой модели Typhoon. Контекст модели составляет до 131 072 токенов, формат весов — safetensors. Модель подходит для локального перевода текстов, локализации, учебных задач, интеграции в чат-боты и API, а также пакетной обработки документов. Для перевода README рекомендует задавать направление явной инструкцией и использовать соответствующий шаблон запроса. Модель разработана KordAI и дообучена на двуязычных англо-тайских наборах данных. Лицензия — Apache-2.0. Качество может снижаться на специализированных медицинских, юридических и научных текстах; имена собственные и новые термины, а также переводы неоднозначных фраз следует проверять вручную.

yasirulayan/uber-llama3-merged — дообученная разговорная языковая модель, опубликованная yasirulayan и основанная на unsloth/llama-3-8b-Instruct-bnb-4bit. Модель относится к семейству Llama, использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Она предназначена для генерации текста в диалоговом режиме; заявленная длина контекста — 8192 токена. Модель принимает текст и генерирует текст, поддерживает английский язык. В README указано, что обучение проводилось с использованием Unsloth и библиотеки TRL для ускорения процесса. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает специализированную предметную область или отдельные возможности сверх диалоговой генерации текста.

ValentIA — дообученная языковая модель, опубликованная Bloodman-the-master и основанная на unsloth/gemma-2-9b-bnb-4bit. Это плотная модель семейства Gemma 2 с 9 млрд параметров для генерации текста; при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель принимает текст и выдаёт текст, поддерживает английский язык и имеет контекстное окно 8192 токена. Модель подходит для генерации продолжений и ответов на текстовые запросы. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает специализированные области применения или оценку качества ValentIA.

YorkShire11 — языковая модель семейства Llama, созданная сообществом mergekit-community путём слияния моделей Sao10K/Fimbulvetr-11B-v2 и vicgalle/CarbonBeagle-11B. Для объединения предварительно обученных весов использован метод SLERP; конфигурация распределяет смешивание слоёв внимания и MLP между исходными моделями. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и работает через библиотеку Transformers. Модель предназначена для генерации текста и диалоговых ответов. Её можно использовать для чат-ботов, написания и продолжения текстов, а также ответов на запросы на естественном языке. Контекст ограничен 4096 токенами; в метаданных базовая модель описана как англоязычная. Лицензия в предоставленных данных не указана. Качество, безопасность и ограничения конкретных сценариев применения в карточке не описаны.

Yosegi-0604 — объединённая авторегрессионная языковая модель, опубликованная проектом Local-Novel-LLM-project. Она создана методом breadcrumbs_ties с помощью mergekit на основе Yosegi-0603 с включением Ninja-2B_JP и Yosegi-0601. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она предназначена для генерации текста; максимальная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Это дообученная модель Mistral для генерации текста и общения в формате чата. Она содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и рассчитана на контекст до 32 768 токенов. Модель создана на основе HuggingFaceH4/mistral-7b-sft-beta и дообучена на наборе HuggingFaceH4/ultrafeedback_binarized. Модель подходит для диалоговых ответов и генерации текста. В карточке не описаны специализированные области применения и результаты оценки качества. Распространяется по лицензии MIT.

Это диалоговая модель генерации текста, разработанная ShenaoZ как дообученная версия ShenaoZ/0.0001_sft_nodpo_4iters_bs256_5102lr_iter_1 на обновлённом и исходном наборах данных. Модель использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и принимает текст для генерации ответов и продолжений. Модель поддерживает контекст до 32 768 токенов и распространяется в формате safetensors по лицензии MIT. В метаданных отмечена возможность диалога. Подробные сведения о качестве, методике обучения и ограничениях в карточке отсутствуют.

Это диалоговая языковая модель Mistral с 7,1 млрд параметров, дообученная ShenaoZ на базе HuggingFaceH4/mistral-7b-sft-beta с использованием датасета HuggingFaceH4/ultrafeedback_binarized. Модель предназначена для генерации текста и общения в формате диалога; контекстное окно составляет 32 768 токенов. Модель принимает текст и генерирует текстовые ответы. Карточка не сообщает результаты оценки качества или конкретные ограничения; данные о базовой модели указывают на англоязычную направленность. Репозиторий распространяется по лицензии MIT.

ShenaoZhang/0.001_4iters_bs256_nodpo_only4w_iter_4 — языковая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная на основе ShenaoZhang/0.001_4iters_bs256_nodpo_only4w_iter_3 на обновлённом и исходном наборах данных. Модель предназначена для генерации текста и диалогового взаимодействия. Поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель выпущена под лицензией MIT. Карточка не содержит сведений о конкретных сценариях применения, оценке качества или ограничениях, поэтому практические возможности сверх генерации текста и чата не уточняются.

ShenaoZhang разработал эту модель как дообученную версию ShenaoZhang/0.001_idpo_iter_1 на датасете ShenaoZhang/0.001_idpo_dataset. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате Safetensors, а лицензия модели — MIT. README не приводит подробностей о предполагаемых сценариях, оценках качества и ограничениях; по имеющимся сведениям нельзя уточнить специализацию обучения или поддерживаемые языки.

Infermatic выпустила Infermatic/14b-Qwen2.5-Infermatic-Crea-v1 — объединённую методом Model Stock через mergekit языковую модель на архитектуре Qwen2.5. В основе лежит Qwen/Qwen2.5-14B-Instruct; в объединение также вошли модели Kunou, abliterated, Lumen и Gutenberg. Модель содержит 14 млрд параметров, работает с текстом и имеет контекст длиной до 32 768 токенов. Модель предназначена для генерации текста, описания чувств, мест, предметов и ситуаций, а также для ролевых диалогов и написания историй. Карточка отмечает поддержку чата и интерфейса вызова инструментов. Данных о целевых языках в предоставленных источниках нет. В репозитории указана лицензия? — сведения о лицензии среди предоставленных данных отсутствуют, поэтому условия использования по ним определить нельзя. Качество ответов зависит от настроек и промптов; автор отмечает, что отказы могут возникать и их поведение зависит от этих настроек.

Fischerboot/8-test — языковая модель для генерации текста и диалогов, созданная с помощью mergekit методом SLERP на основе Fischerboot/7-test. Это плотная модель архитектуры Llama с 5,5 млрд параметров, рассчитанная на контекст до 8192 токенов и работающая с текстом на входе и выходе. Метаданные отмечают поддержку диалогового режима; модель подходит для генерации ответов и продолжения текста. Модель распространяется в формате safetensors. Лицензия в предоставленных данных не указана. Карточка не содержит сведений о языковых ограничениях и оценках качества, поэтому пригодность для конкретного языка и сценария следует проверять отдельно.